Dietro ogni numero

MG
Prof.ssa Marilù Garo
Scientific Director · Mathsly Research
Set 2026
5 min di lettura

Viviamo immersi nei numeri come si vive immersi nell’aria, senza accorgercene, senza chiederci da dove vengono, senza interrogarci su cosa portano con sé. Ogni giorno, in ogni momento, cifre e dati ci raggiungono da ogni direzione: accatastati in infografiche, distribuiti in notizie sensazionalistiche, pronunciati con la sicurezza di chi conosce la verità. Entrano nelle nostre vite spesso senza bussare. E tuttavia, ed è qui che tutto diventa più complicato, stanno alla base di decisioni che ci riguardano, che ci condizionano, che a volte ci definiscono.

Eppure quasi nessuno si ferma a chiedere: questo numero, da cosa scaturisce? Chi l’ha costruito, con quale metodo, a partire da quale definizione di ciò che voleva misurare? Lavorando ogni giorno con i dati, questa domanda è diventata per me qualcosa di simile a un riflesso. Una voce che si alza automaticamente ogni volta che un numero mi viene presentato come risposta. Più la ascolto, più mi rendo conto di quanto raramente venga ascoltata da chi quei numeri li usa per decidere. Il numero arriva. Il contesto resta indietro.

Lo sapeva bene Trilussa, che della statistica diceva: quella cosa per cui, se uno mangia due polli e un altro nessuno, in media ne mangiano uno a testa. Un’ironia lieve, quasi domestica, eppure precisa come un bisturi. Non è una battuta sulla matematica. È una diagnosi sul modo in cui i numeri vengono costruiti, presentati e consumati. E quella diagnosi, scritta in romanesco quasi un secolo fa, non ha perso nulla della sua attualità.

I numeri abitano oggi ogni angolo della società. Li ritroviamo nello sport e non solo sotto forma di tempi o di velocità, ma come misura del valore di un atleta, della solidità di un sistema, del futuro di una carriera. Li ritroviamo nella valutazione delle politiche sociali, dove un dato sull’occupazione può raccontare una ripresa o nascondere una fragilità a seconda di come è stato costruito. Li ritroviamo nella valutazione giudiziaria, dove probabilità e valori attesi entrano nelle aule dei tribunali con la gravità di certezze. Sono ovunque. Ed ovunque portano con sé la stessa domanda silenziosa, quasi sempre inevasa: chi conosce il contesto in cui sono nati?

Un allenatore che legge le statistiche di rendimento di un atleta sa davvero che quelle statistiche hanno un contesto definito a priori da chi le ha calcolate, con scelte che non sono neutre? Un funzionario che valuta l’impatto di una politica economica ha gli strumenti per distinguere una descrizione da una misurazione causale? Un giudice che legge probabilità e valori attesi in una perizia è nelle condizioni di trattarli come stime e non come verdetti già scritti?

Non è una questione di competenza. Mai come oggi le professioni sono rigorose, specializzate, sottoposte a verifiche continue. È una questione più sottile e più profonda: è una questione di metodo. Di un tipo di metodo che raramente viene insegnato al di fuori della ricerca e che pure dovrebbe essere patrimonio comune. Un buon clinico è tale non solo quando comprende i risultati di uno studio, ma quando comprende come quello studio è stato condotto, ossia riesce a cogliere le scelte che lo hanno costruito, i limiti che lo abitano, le domande a cui non può rispondere. Quella competenza, che nel mondo della ricerca chiamiamoliteracymetodologica, non è un privilegio della scienza. Dovrebbe essere il substrato silenzioso di chiunque usi i numeri per prendere decisioni che riguardano la vita di qualcun altro.

Ho pensato a tutto questo mentre seguivo gli Europei di nuoto a Parigi, questa estate. 43 medaglie, secondo posto nel medagliere, più di qualsiasi altro paese, se si conta il totale. Una stagione straordinaria, costruita su atleti come Nicolò Martinenghi, Simona Quadarella, Sara Curtis, Thomas Ceccon, Simone Cerasuolo. Numeri bellissimi, numeri veri. Ma cosa misurano, esattamente? La forza di un movimento sportivo? Il talento di una generazione? Oppure l’effetto di scelte metodologiche precise che qualcuno ha fatto con dati alla mano, in silenzio, lontano dai riflettori? Un numero descrive un risultato. Non spiega perché è accaduto. Non garantisce che accadrà di nuovo. Per capirlo serve qualcosa di più: serve la domanda giusta.

Quella domanda, per me, ha sempre la stessa forma: rispetto a cosa? Rispetto a cosa questo farmaco funziona meglio? Rispetto a cosa quella politica ha prodotto occupazione? Rispetto a cosa quella prestazione è migliorata? Sembra una domanda semplice. Non lo è. La maggior parte delle analisi che circolano — nei giornali, nei report istituzionali, nelle perizie tecniche, nelle presentazioni ai consigli di amministrazione — non la pone. Descrivono. Non misurano effetti. Non costruiscono controfattuali. Non si interrogano su cosa sarebbe accaduto in assenza dell’intervento. E vengono accolte senza resistenza, perché i numeri godono di un credito che le parole non hanno: si dice che la matematica non mente, e questa convinzione — vera in sé — diventa spesso uno scudo dietro cui si nasconde il metodo con cui quei numeri sono stati costruiti. Descrivere non è sbagliato, anzi è necessario. Ma presentare una descrizione come se fosse una misurazione causale è un errore metodologico che quasi nessuno vede, perché chi produce il numero e chi lo usa abitano mondi diversi e parlano lingue che non si traducono.

Oggi, mentre scrivo, ricorrono i venticinque anni dall’11 settembre 2001. Quell’anniversario porta con sé, insieme al peso della memoria, un esempio straordinariamente preciso di quello che i numeri possono fare e di quello che possono nascondere. Quel giorno ha lasciato due numeri che non si dimenticano: 2.977 vittime nell’attacco e circa 10.000 persone morte negli anni successivi per le sostanze tossiche inalate nel crollo delle Torri Gemelle. Due numeri che misurano la stessa tragedia, costruiti con metodi diversi, raccolti in tempi diversi e che per anni hanno avuto un peso radicalmente diverso nel dibattito pubblico e nelle decisioni politiche che ne sono seguite. Il primo era visibile, immediato, inequivocabile. Il secondo ha impiegato anni ad essere riconosciuto, quantificato, ascoltato. Non perché le vittime fossero meno reali, ma perché il metodo per contarle era più lento, più invisibile, più difficile da tradurre in una decisione urgente. I numeri non erano sbagliati. Era sbagliato il modo in cui venivano letti e il contesto che si sceglieva di vedere o, mi permetto, di non vedere.

Il rigore quantitativo non è un esercizio accademico. Non è il territorio esclusivo di chi lavora nella ricerca. È uno strumento di responsabilità, forse il più democratico che esista, perché non chiede titoli né appartenenze, chiede solo la volontà di fare la domanda giusta. Ogni decisione importante merita un numero costruito con cura, letto nel suo contesto e interrogato con onestà. Non sempre accade. Ma riconoscere che quella domanda esiste, che il numero non parla da solo, che porta sempre con sé la storia di chi lo ha costruito, è già, in sé, un atto di conoscenza.

Advisory indipendente & IDMC
Hai bisogno di un parere metodologico indipendente?

Advisory metodologico terzo, IDMC/DSMB, revisione indipendente di analisi statistiche. Per sponsor, CRO e IRB.

IDMC / DSMBAdvisoryRevisione indipendente
Prenota una call →Scopri il servizioScopri tutti i servizi →
Advisory indipendente & IDMC
Hai bisogno di un parere metodologico indipendente?

Advisory metodologico terzo, IDMC/DSMB, revisione indipendente di analisi statistiche. Per sponsor, CRO e IRB.

IDMC / DSMBAdvisoryRevisione indipendente

Nota editoriale

Questo articolo ha finalità divulgative e informative. I contenuti non costituiscono consulenza professionale e non sostituiscono una valutazione specifica del tuo studio o progetto di ricerca. Mathsly Research declina ogni responsabilità per decisioni metodologiche o analitiche adottate sulla base dei soli contenuti del magazine senza consulenza professionale dedicata. Per supporto specifico:mathsly.it.

Mathsly Research
Stai conducendo uno studio o hai bisogno di una consulenza personalizzata?

Dal disegno dello studio alla submission finale — SAP, analisi statistica, protocolli, PROSPERO, comitati etici, AI validation e assistenza in fase di peer-review.

Parliamo del tuo progetto →
Biostatistica clinicaSAP / RAPMeta-analisiPROSPEROAI ValidationMDR / IVDRComitati eticiPeer-review support
Risposta entro 48h · mathsly.it

I contenuti di Mathsly Research Magazine hanno finalità divulgative e non costituiscono consulenza professionale. Non ci assumiamo responsabilità per decisioni adottate sulla base dei soli articoli pubblicati. Termini d'uso