Il nuovo progetto a guida ISTAT e co-finanziato da Eurostat, nell’ambito del Programma statistico europeo, potrebbe aiutare a comprendere meglio e a gestire, attraverso un approccio più rigoroso, ambiti come la pianificazione territoriale, i trasporti, la mobilità, la salute, l’ambiente, l’economia e il turismo. Questo è ciò che emerge dal comunicato stampa, pubblicato da ISTAT stesso, in merito al progetto MNO-MINDS.
La sigla MNO sta per Mobile Network Operator e, nel contesto del progetto, individua tutti quei dati forniti dagli operatori di telefonia mobile che possono essere utilizzati insieme alle fonti dati più tradizionali, al fine della produzione di statistiche ufficiali regolari. Ed è proprio questo il progetto di ricerca portato avanti per due anni da ISTAT e da un consorzio composto dai nove Istituti statistici europei di Austria, Germania, Spagna, Francia, Paesi Bassi, Norvegia, Romania, Svezia e Portogallo.
La ricerca si è conclusa a ottobre 2025 e si prefiggeva il traguardo di proporre nuove metodologie per l’integrazione dei dati di telefonia mobile con altre fonti di dati non MNO per la produzione di statistiche ufficiali regolari, realizzando linee guida e corsi di formazione per i ricercatori e i tecnologi del Sistema statistico europeo. I risultati dei due anni di lavori sono stati presentati all’OCSE di Parigi.
La Commissione Europea non si è fermata qui. Parallelamente a MNO-MINDS, i finanziamenti di Bruxelles si sono rivolti anche a Multi-MNO: un paradigma di metodologie ufficiali da adottare per la produzione di statistiche ufficiale attraverso l’analisi dei dati MNO. Questa volta i soggetti protagonisti sono stati l’ISTAT e il Centraal Bureau voor de Statistiek (CBS) dei Paesi Bassi per la parte statistica e da cinque operatori di rete mobile, tra cui Vodafone Italia, ora Fastweb+Vodafone. L’operatore si è avvalso anche degli aiuti di Motion Analytica per la fornitura e l’analisi dei dati di rete mobile, non personali e anonimizzati al fine di tutelare il diritto alla privacy.
Ci si trova davanti a un importante passo in avanti per quanto riguarda la granularità e l’accuratezza dei dati, ma la mente deve sempre tenere conto degli aspetti che possono fare più paura: informazioni georeferenziate raccolte in tempo reale a livello di singolo individuo potrebbero far temere per la propria riservatezza e vita privata, ma l’anonimizzazione dei dati dovrebbe garantirne la salvaguardia.
Qual è un esempio di possibile applicazione possibile grazie a questa nuova tipologia di dati? Pensiamo alla mobilità delle persone per lavoro: l’ISTAT fornisce la matrice di pendolarismo, un dataset che interessa 19.565.808 individui che almeno tre giorni a settimana si recano al luogo abituale di lavoro partendo dall’alloggio di residenza e rientrando nello stesso. I dati permettono di capire quanti individui si spostano da un comune all’altro per lavoro o quanti lavorano nello stesso comune: se da un lato sarebbe possibile georeferenziare ogni singolo comune e calcolare la distanza necessaria per raggiungerlo, dall’altro non si ha alcuna informazione sul tempo impiegato da un individuo per raggiungere la sua sede lavorativa all’interno dello stesso comune. Per i piccoli comuni non è un grande problema, ma cosa succede a Roma, Milano, Torino, Palermo, Napoli, Firenze e altre grandi città italiane? Per gestire meglio i flussi di mobilità potrebbe rivelarsi utile conoscere cosa succede all’interno di ogni comune.
La mappa è stata realizzata associando ciascun codice identificativo di un comune (presente nella matrice di pendolarismo) con l’effettivo nome del comune; precedentemente, è stato necessario aggiornare i codici dei comuni sardi che hanno cambiato denominazione dal 2021 a oggi. Una volta ottenuti il numero di pendolari che vanno da un comune a un altro per motivi lavorativi, è stato sufficiente realizzare uno script in Python che aggrega il numero di pendolari in base al comune, realizzando tre misure: la numerosità di coloro che escono da un territorio, quella di coloro che entrano e quella di coloro che restano al suo interno. Infine, sono state calcolate le quote percentuali di ciascuna statistica, ottenendo, ad esempio, la quota percentuale di coloro che escono da un comune, misurata come rapporto tra pendolari che escono da quel comune e pendolari totali di quel comune. Cliccando sopra ogni comune è possibile verificare tali informazioni.
Quel che si evince dall’analisi è quasi un’ovvietà: più un comune è grande e dotato di un’economia attiva, meno la gente ne uscirà per recarsi a lavoro, visto che non sarà necessario, data la presenza di aziende, enti o comunque datori di lavori all’interno del territorio stesso. Un’altra particolarità da evidenziare riguarda la differenza tra Nord e Sud: nel settentrione sembra che ci siano meno lavoratori che escono dal proprio comune per lavorare, specialmente nei pressi di Milano, ma tale contrasto è in realtà evidente in prossimità di altre grandi città: ad esempio, Roma presenta svariati comuni vicini con tassi bassi di lavoro all’interno dello stesso comune. Il fenomeno è spiegabile attraverso due cause: la tendenza dei residenti in comuni vicini a grandi città come Milano o Roma a non trasferirsi, ma raggiungere la propria sede di lavoro giornalmente e l’attrattività delle grandi città stesse che convogliano una grande presenza di opportunità lavorative e quindi di forza lavoro.
Cosa manca? Quel che è impossibile studiare è il tempo necessario o i km percorsi da coloro che abitano all’interno dello stesso comune: mentre sarebbe teoricamente possibile approssimare le distanze percorso da ciascun individuo per raggiungere un comune, attraverso questi dati non c’è una granularità tale per poter rispondere a domande di interesse pubblico per quanto riguarda la mobilità, i trasporti pubblici, la logistica e le infrastrutture all’interno di uno stesso comune. Ma il nuovo approccio e i nuovi dati che hanno interessato la ricerca dell’ISTAT in questi due anni potrebbero portare qualche novità positiva a riguardo; infatti, come riportato nel comunicato stampa dell’ISTAT, “I dati raccolti possono rappresentare una fonte preziosa di informazioni spazio-temporali accurate sulla presenza e mobilità della popolazione, e rivelarsi dunque significativi per la produzione di statistiche ufficiali in ambiti come la pianificazione territoriale, i trasporti e la mobilità, la salute e l’ambiente, l’economia e il turismo.”
Per approfondire.
La statistica nell’era dell’AI: al via la conferenza di statistica promossa dall’Istat
Come usare gli smartphone per misurare i flussi turistici
Noi siamo davvero quello che mangiamo? Lettura critica del paniere Istat
