Italiano
English
Français
Español
1.4. Statistica, data science e altre etichette#
In passato, molti dati venivano considerati un sottoprodotto di procedure operative — talvolta informatizzate — destinati principalmente all’archiviazione e raramente riutilizzati. L’idea che i dati siano una risorsa strategica in quasi ogni ambito della conoscenza umana si è affermata solo negli ultimi vent'anni. Oggi è pienamente riconosciuto il fatto che, se raccolti, archiviati ed elaborati in modo sistematico, i dati diventano strumenti essenziali per analizzare processi complessi, aiutare a comprenderli e supportare decisioni in contesti critici, come quelli medico, politico o finanziario.
Eppure, alcuni esempi notevoli mostrano che un approccio data-driven esisteva già versp la fine del XIX secolo, ben prima che questo termine venisse coniato. Uno dei più noti risale al 1854, durante un'epidemia di colera a Londra. Il medico John Snow, convinto che la malattia non si trasmettesse per via aerea — mentre i medici dell'epoca la facevano risalire a miasmi, o ad aria cattiva — decise di raccogliere prove a sostegno di un'ipotesi diversa: la contaminazione dell'acqua. Per farlo, sovrappose alla mappa del quartiere di Soho il numero di contagi registrati in ciascuna casa[1]. Il risultato, visibile in Figura 3, evidenziava che i casi erano concentrati nelle vicinanze di una pompa d'acqua situata in Broad Street. Per rafforzare la sua tesi, Snow osservò che i ù birrai, che bevevano più birra che acqua — e quindi consumavano un prodotto pastorizzato — risultavano meno colpiti dalla malattia. Grazie a queste evidenze, convinse le autorità a disattivare la pompa, contribuendo così a contenere l'epidemia.
Figura 3 La mappa del quartiere di Soho disegnata da John Snow durante l'epidemia di colera del 1854: ogni tratto orizzontale nero indica un contagio registrato nell'abitazione adiacente. Immagine di pubblico dominio. Realizzata da John Snow (1854). Fonte: Wikimedia Commons.#
Curiosamente, anche il secondo esempio si colloca nel 1854. In quell'anno Florence Nightingale parte per la Crimea, dove è in corso una guerra tra la Russia e l' Impero Ottomano, con il coinvolgimento di diverse potenze europee, incluso il Regno Unito. È da lì che proviene Nightingale, in veste di sovrintendente dell'Institute for Sick Gentlewoman, insieme ad altre infermiere volontarie. Per testimoniare le carenze nella gestione delle cure mediche, decide di raccogliere dati sulle condizioni sanitarie dei soldati. Nel 1858 presenta i risultati in un rapporto intitolato Notes on Matters Affecting the Health, Efficiency and Hospital Administration of the British Army. Questo documento include un diagramma polare[2], riprodotto in Figura 4 e oggi considerato un classico esempio di visualizzazione efficace dei dati. Il grafico è composto da due aree circolari, suddivise in dodici settori che indicano i mesi da aprile 1854 a marzo 1855 (a sinistra) e da aprile 1855 a marzo 1856 (a destra). L'area di ogni settore rappresenta il numero di decessi, suddivisi in tre categorie:
ferite riportate in battaglia (rosso),
malattie curabili o prevenibili (blu),
altre cause (nero).
L'effetto visivo è immediato: la maggior parte delle morti non dipendeva dai combattimenti, fatto che Nightingale usò per denunciare l'inefficienza degli ospedali da campo, il cui ambiente insalubre portava alla diffusione tra i soldati di malattie come colera, tifo o dissenteria. È anche grazie a questo intervento che il sistema sanitario militare venne successivamente riformato.
Figura 4 Diagrammi polari che mostrano i decessi dei soldati britannici da aprile 1854 a marzo 1856, nell'ospedale militare in cui prestava servizio Florence Nightingale. Ogni settore rappresenta un mese, con l'area proporzionale al numero di morti, mentre i colori indicano la causa del decesso: rosso per le ferite riportate in battaglia, blu per le malattie curabili e nero per altre cause. Immagine di pubblico dominio. Realizzata da Florence Nightingale (1858). Fonte: Wikimedia Commons.#
I casi di Snow e Nightingale mostrano bene un approccio descrittivo all'analisi dei dati: raccogliere presentare le informazioni in modo accurato permette di mettere in luce aspetti rilevanti di un fenomeno — in questi esempi, le cause dei contagi di colera e delle morti tra i soldati — e fornire basi solide per decisioni informate. A partire dalla fine del XIX secolo, però, la statistica comincia anche a svilupparsi sul piano teorico e quantitativo. Senza alcuna pretesa di esaustione, cito due figure fondamentali: Ronald A. Fisher, che ha avuto un ruolo centrale nel delineare i metodi della statistica moderna e delle sue applicazioni nei campi della genetica e della produzione agricola, e William Gossett, che sviluppò tecniche per controllare la qualità della birra Guinness senza compromettere l’intera produzione. Per motivi di riservatezza, Gossett pubblicò i suoi risultati con lo pseudonimo «Student», per evitare che i concorrenti del suo datore di lavoro scoprissero i metodi innovativi usati in fabbrica.
Con l’avvento dei computer, a partire dagli anni ’40, ci si è presto accorti che non solo era possibile usarli per meccanizzare delle operazioni, ma anche per generare e conservare grandi quantità di dati. Col passare del tempo e lo sviluppo delle tecnologie collegate, la potenza di calcolo è aumentata, i costi di memorizzazione si sono abbassati e la diffusione di internet ha reso i dati più accessibili. Questi fattori hanno portato a un drastico aumento del loro volume, amplificandone il valore.
A cavallo tra il XX e il XXI secolo è emerso il ruolo del data scientist, una persona capace di integrare competenze informatiche e matematico/statistiche con la conoscenza di un dominio specifico, cosa che consente di trasformare dati grezzi in informazioni utili, spesso orientate al business. Ma che cosa distingue davvero chi lavora come data scientist da chi si dedica alla statistica, all'informatica o alla matematica? La risposta non è immediata. Tutte e tutti devono oggi avere una familiarità più che buona con strumenti e concetti propri dell'informatica, oltre a conoscere almeno le basi della statistica e della matematica. Tuttavia, queste figure restano distinte: chi opera in informatica non coincide quasi mai con chi invece si occupa di statistica o matematica, e viceversa. Per esempio, esistono aree dell’informatica — come lo sviluppo di sistemi operativi o di applicazioni per smartphone e dispositivi mobili — che possono essere tranquillamente ignorate in ambiti tipici della matematica, della statistica o della data science. Allo stesso modo, nel contesto informatico difficilmente ci si spinge in campi come la topologia o la verifica d'ipotesi.
Sottolineo di non avere volutamente messo in campo, finora, l’intelligenza artificiale, disciplina relativamente recente ma che sta avendo un grande impatto nella vita quotidiana. Sebbene spesso si intrecci con l’analisi dei dati, il suo obiettivo principale è lo studio e la replicazione automatica di processi che, quando svolti dagli esseri umani, richiedono l'impiego di una qualche forma di intelligenza. In alcuni casi, questi processi si basano su ragionamenti guidati dai dati; in altri, invece, sono necessari degli approcci completamente diversi. È proprio questa varietà di obiettivi e metodi che rende l'intelligenza artificiale una branca dell'informatica meritevole di un trattamento separato rispetto ai temi affrontati nel testo.
Questo libro si propone di trattare argomenti che spaziano dalla programmazione all’analisi dei dati, passando per la probabilità e la statistica. Una combinazione impegnativa, ma coerente con il percorso formativo — spesso frammentato — di chi studia informatica. Leggerlo (e, ça va sans dire, comprenderne i contenuti) non vi trasformerà in data scientist, né in persone esperte di statistica o matematica. E, a voler essere precisi, nemmeno di informatica o di intelligenza artificiale. Ma vi fornirà una base solida, uno dei mattoni fondamentali per acquisire una conoscenza il più possibile completa dell'informatica, con la conseguente autonomia professionale — insomma, sviluppare competenze che faranno di voi persone da prendere sul serio. In ogni caso, mi preme sottolineare che, alla fine, ciò che conta non è l’etichetta professionale che ci viene attribuita, ma ciò che sappiamo fare bene.