«Vi spiego perché la statistica è una delle competenze più importanti del nostro tempo»

Dalle notizie sul clima ai sondaggi politici, dalla sanità alle strategie delle imprese, fino all’Intelligenza Artificiale: viviamo immersi nei dati, ma interpretarli correttamente è tutt’altro che semplice. Il professor Alfonso Russo, docente di Statistica all’Università della Calabria, racconta perché la cultura statistica è diventata una competenza fondamentale e come l’UniCal stia formando nuove professionalità attraverso i percorsi in Statistica e Data Science. Una formazione che guarda al mercato del lavoro nazionale e internazionale, ma anche a una sfida particolarmente importante per la Calabria: trattenere e valorizzare sul territorio giovani altamente qualificati.

Professor Russo, partiamo da una domanda apparentemente semplice: perché oggi abbiamo così tanto bisogno della Statistica?

Perché viviamo in una società nella quale una quantità enorme di decisioni viene presa a partire dai dati. Pensiamo alle frasi che leggiamo ogni giorno: “È stata l’estate più calda di sempre”, “i giovani continuano a lasciare il Sud”, “questo partito è in testa nei sondaggi”, “un nuovo farmaco funziona meglio del precedente”.

Sono affermazioni che sembrano immediate, ma dietro ciascuna di esse c’è una domanda fondamentale: come facciamo a saperlo?

Per stabilire che un’estate è stata la più calda di sempre dobbiamo confrontare dati raccolti in periodi e luoghi differenti. Per capire se l’emigrazione giovanile sta aumentando dobbiamo osservare l’evoluzione del fenomeno nel tempo. Per interpretare correttamente un sondaggio dobbiamo sapere come è stato selezionato il campione, quante persone sono state intervistate, quali domande sono state poste e quale margine di incertezza dobbiamo attribuire ai risultati. La Statistica serve proprio a questo: ci fornisce gli strumenti per trasformare i dati in informazione, misurare l’incertezza e prendere decisioni consapevoli.

Quindi la Statistica non riguarda soltanto numeri e formule?

Assolutamente no. Questa è probabilmente una delle idee che dobbiamo superare. La Statistica è innanzitutto un modo di ragionare. I numeri e le formule sono strumenti fondamentali, ma il vero obiettivo è comprendere un fenomeno, individuare ciò che i dati possono dirci e, soprattutto, riconoscere ciò che invece non possono dirci.

Un buon statistico non è semplicemente qualcuno che sa elaborare una grande quantità di dati. È una persona che sa porsi le domande giuste prima ancora di analizzarli.

In realtà la Statistica è già presente nella nostra vita quotidiana, anche quando non ce ne rendiamo conto.

Esattamente. La incontriamo continuamente. Quando controlliamo le previsioni del tempo prima di uscire, quando utilizziamo un’applicazione che ci suggerisce il percorso più veloce, quando Netflix o Spotify ci propongono un contenuto che potrebbe interessarci, quando una banca valuta un rischio, quando un ospedale analizza i dati dei pazienti o quando un’impresa cerca di capire come cambieranno le esigenze dei propri clienti, stiamo entrando in contatto con sistemi che utilizzano dati e metodi statistici. Ogni volta che dai dati cerchiamo di ricavare un’informazione, formulare una previsione o prendere una decisione, siamo di fronte a un problema statistico.

E oggi, naturalmente, non possiamo non parlare di Intelligenza Artificiale. Che rapporto c’è tra Statistica, Data Science e AI?

È un rapporto molto stretto. L’Intelligenza Artificiale ha portato la capacità di elaborare dati a livelli che fino a pochi anni fa sarebbero sembrati difficili da immaginare. Gli algoritmi possono analizzare quantità enormi di informazioni e produrre risultati in tempi rapidissimi.

Ma c’è un punto fondamentale: la disponibilità di strumenti più potenti non rende meno importante la capacità di comprendere i dati. La rende ancora più importante. Un algoritmo può produrre una risposta in pochi secondi, ma dobbiamo sapere come interpretarla. Dobbiamo chiederci da quali dati deriva, se quei dati sono adeguati, quali ipotesi sono state utilizzate, quali sono i margini di errore e se il risultato è realmente applicabile al problema che stiamo studiando. Per questo credo che Statistica, Data Science e Intelligenza Artificiale debbano essere considerate non come mondi separati, ma come componenti di una competenza sempre più integrata.

È proprio questa la direzione che ha seguito l’Università della Calabria?

Sì. All’interno del Dipartimento di Economia, Statistica e Finanza “Giovanni Anania” si è sviluppato negli anni un ambiente nel quale la formazione statistica dialoga sempre più con la Data Science e con i metodi computazionali moderni. L’obiettivo è fornire agli studenti non soltanto conoscenze teoriche, ma anche strumenti concreti per affrontare problemi reali attraverso i dati.

Il percorso parte dalla laurea triennale in Statistica per Data Science, che combina statistica, matematica, probabilità, informatica, analisi dei dati e discipline economiche e aziendali. UUnical+1.  Prosegue poi con la laurea magistrale in Data Science per le Strategie Aziendali, nella quale trovano spazio, tra gli altri, metodi statistici avanzati, statistical learning, machine learning, deep learning, business intelligence e big data analytics. UUnical+1 È un percorso che risponde a una trasformazione molto profonda del mondo del lavoro.

Che tipo di studente dovrebbe scegliere un percorso di questo tipo?

Non necessariamente uno studente che si immagina già come “programmatore” o come matematico. Direi piuttosto uno studente curioso, interessato a capire come funziona la realtà e disposto a confrontarsi con discipline quantitative. La Data Science richiede certamente competenze matematiche, statistiche e informatiche, ma richiede anche capacità di problem solving e una certa attitudine a lavorare su problemi complessi. Il nostro obiettivo è formare persone capaci di capire quale problema devono risolvere, quali dati servono, quali strumenti utilizzare e come comunicare il risultato ottenuto.

Quanto è importante il legame tra formazione universitaria e mondo del lavoro?

È fondamentale. Oggi non è sufficiente trasmettere conoscenze astratte. Gli studenti devono imparare a utilizzare quelle conoscenze per affrontare problemi concreti.

Per questo nei percorsi di studio assumono importanza le esercitazioni, le attività laboratoriali, i progetti e il confronto con il mondo professionale. Nel corso magistrale in Data Science per le Strategie Aziendali, ad esempio, la formazione combina componenti statistiche e informatiche con un approccio orientato al problem solving e alle applicazioni.  Il valore di una formazione statistica sta anche nella sua trasversalità. Lo statistico e il data scientist possono lavorare in contesti molto diversi: industria, consulenza, banche e assicurazioni, sanità, ricerca, marketing, information technology, pubblica amministrazione.

Quindi una delle caratteristiche più importanti dello statistico è proprio la sua capacità di muoversi tra settori differenti?

Sì, ed è una delle caratteristiche che considero più interessanti. Le tecniche statistiche possono essere applicate a problemi molto diversi. Cambia il fenomeno che stiamo studiando, ma rimane la necessità di raccogliere, organizzare, analizzare e interpretare correttamente i dati.

Questo significa che un laureato in Statistica può entrare in un gruppo di lavoro composto da economisti,…