articolo simulatori - System Dynamics Italian Chapter
Transcript
articolo simulatori - System Dynamics Italian Chapter
Simulazione e simulatori a supporto della programmazione comunale di Arnaldo Vecchietti [email protected] Sommario La Simulazione è una disciplina fondamentale per il city management. Attraverso l’analisi e la previsione socio-demografica, economica e gestionale si affrontano/anticipano i problemi futuri di una città, per dimensionare, allocare, dirigere i servizi di un Ente, programmare le attività e valutarne i risultati. La revisione in corso del Testo Unico degli Enti Locali(TUEL) rilancia il ruolo programmatorio dei consigli comunali. La simulazione e i simulatori di gestione, opportunamente gestiti, possono fornire un supporto formidabile nel supportare i processi decisionali in questo ambito. Introduzione Le recenti riforme ( lg 15 e 42 del 2009 ) e la revisione del TUEL, aumentano le responsabilità strategiche della Pubblica Amministrazione Locale in materia di governo territoriale e Politiche Economiche. La più marcata responsabilizzazione nel mantenimento degli equilibri di finanza pubblica nazionale spingerà le Amministrazioni nella direzione della previsione e della gestione. I Consigli comunali saranno fortemente interessati da questo cambiamento e saranno chiamati a rinforzare le loro capacità di Programmazione e Valutazione in materia di Politiche Economiche Locali. Il bisogno crescente di gestire, anche a livelli provinciali e sub-provinciali, importanti Politiche Economiche, farà cambiare significativamente il ruolo degli Enti Locali, potenziandone gli aspetti di programmazione e controllo. In questa situazione la comprensione dei sistemi territoriali rappresentati dall’Ente, delle loro dinamiche demografiche, economiche, sociali, dei motivi di dimensionamento e qualità del personale, delle localizzazioni dei servizi; le scelte tra alternative, la valutazione, assumeranno un ruolo effettivamente determinante e non propagandistico nell’equilibrare costi e fabbisogni attraverso Politiche Pubbliche Locali (PPL). Politiche che, per essere efficaci, non potranno continuare ad essere gestite verticalmente dai diversi Enti senza riorganizzarne in modo orizzontale e cumulativo (su base territoriale) i loro risultati. Politiche da valutare sulla base delle performance di sistema generate. Per fare in modo che l’effetto orizzontale (qualità) delle Politiche pubbliche sia raggiunto nelle migliori condizioni gestionali, si dovrà operare per processi e progetti territoriali, usando di più e meglio le previsioni gestionali. La simulazione di processo e l’approccio sistemico saranno a questo fine indispensabili. In questo situazione molto sarà fatto utilizzando i simulatori di gestione. Simulazione e Simulatori I simulatori sono tra i più potenti e raffinati strumenti di gestione di cui oggi si dispone. Nel passato pochi erano i simulatori operativi e solo alcune organizzazioni erano in grado di usarli, anche perché erano difficili da costruire e da gestire. Oggi, invece, i simulatori sono più facili da costruire e hanno dimostrato di interagire in modo efficace con le tecnostrutture e i decisori politici. I simulatori di gestione sono particolarmente efficaci quando le Organizzazioni che li usano si dotano di politiche formali di gestione. Se questa condizione si realizzasse in modo esteso allora gli effetti positivi della simulazione di gestione potrebbero anche riqualificare il tanto vituperato ruolo del patto di stabilità nei confronti di Comuni e Province. La simulazione prende in considerazione sistemi, siano essi: organizzativi, economici, sociali, naturali, ecc. Sistemi con proprie caratteristiche peculiari che vanno conosciute e considerate prima di intervenire con politiche pubbliche. La simulazione assiste l’Ente nella sua funzione di stabilizzazione (macro e micro economica) del reddito per evitare che gli effetti di traboccamento verso le giurisdizioni confinanti annullino o limitino l’efficacia e la sostenibilità delle sue politiche economiche ( contrasto a: leakages e freeriding). La simulazione rende possibile per l’Ente Locale la valutazione delle sue politiche redistributive in modo da limitare l’emigrazione delle sue basi imponibili e l’attrazione di soli consumatori netti di risorse. La simulazione supporta l’Ente nella sua funzione allocativa nell’individuare il corretto livello amministrativo cui attribuire la responsabilità di gestione della valutazione costi-benefici delle sue politiche di gestione dei servizi locali di pubblica utilità ( sia direttamente, sia indirettamente gestiti). Simulare il funzionamento dei sistemi aiuta le organizzazioni che utilizzano questa tecnica a fare meglio, di più, con meno. Di seguito descriveremo brevemente come questo avvenga e con quali strumenti. Dopo aver presentato brevemente come si costruisce il modello che gestisce il funzionamento del simulatore, saranno presentati i principali meccanismi utilizzati nella sua costruzione. Nel fare questo presenteremo gli aspetti essenziali di tre prototipi di simulatore che gia permettono di gestire un servizio di supporto alle attività di programmazione e controllo di un Consiglio comunale. I tre prototipi intervengono sulle politiche territoriali e gestionali dell’Ente Locale, fornendo al Consiglio il supporto della simulazione per rendere più efficaci le decisioni prese nel processo di programmazione. La conoscenza che deriva dalla gestione della struttura di relazioni sistemiche necessaria per costruire il simulatore permette di gestire, a livello comunale e/o di Sistema Locale del Lavoro (SLL), specifiche Politiche Economiche a livello di Area Vasta. Politiche che, grazie alla conoscenza di dettaglio della struttura presa in considerazione, possono essere calibrate con precisione sia in termini di target sia di somma messa a disposizione per ottenere obiettivi specifici. Politiche, quasi-sperimentali, che possono essere finalmente monitorate nei loro effetti, riducendo l’onerosità della valutazione entro confini conosciuti ex-ante. Di seguito sono presentati brevemente il simulatore demografico, quello sul valore aggiunto del sistema locale del lavoro e quello sulla programmazione dei pensionamenti del personale. I simulatori in questione si presentano tutti come quadri combinati di livelli e flussi (figura 1). Simulazione e simulatori a supporto della programmazione comunale pag. 2 Figura 1 Gestire flussi e livelli Scenari popolazione hom e popolazione totale giovani totale 300,000 2027 2037 Time (Year) 2047 2057 30,000 20,000 2007 2017 2027 2037 2047 Time (Year) giovani totale : scenario popolazione base popolazione totale : scenario popolazione base 150,000 100,000 2007 2017 2057 2047 2057 anziani totale 1.36447e-038 } 1.36848e-038 7.00649e-045 tasso di natalità stranieri attrarre talenti stranieri indice di vecchiaia indice di dipendenza 400 80,000 k attrarre talenti nazionali si s u fl tasso di natalità 60,000 40,000 2007 2017 2027 2037 Time (Year) 2047 2057 anziani totale : scenario popolazione base 80 60 100 2007 2027 2037 Time (Year) adulti totale : scenario popolazione base persone/anno 2017 200,000 persone/anno persone/anno 250,000 200,000 2007 adulti totale 40,000 2017 2027 2037 Time (Year) 2047 indice di vecchiaia : scenario popolazione base 2057 40 2007 2017 2027 2037 Time (Year) 2047 2057 liv ell i indice di dipendenza : scenario popolazione base I primi sono rappresentati come grafi che evidenziano consistenze nel tempo. I secondi sono rappresentati come cursori che permettono di modificare i flussi in entrata e uscita dal sistema. Una rappresentazione metaforica (figura 2) Figura 2 Metafora del contenitore VARIABILE FLUSSO VARIABILE LIVELLO VARIABILE FLUSSO che dà bene l’idea di come il sistema funzioni è quella di una vasca da bagno (variabile livello) che si riempie o si svuota in funzione della portata e pressione di un rubinetto e del diametro di uno scarico (variabili flusso). Il sistema organizzativo di gestione della simulazione si articola su tre livelli operativi, relativi a: base dati, analisi e gestione modelli, monitoraggio (figura 3). Nella base dati sono gestiti i dati forniti dall’Ufficio di statistica comunale e sono utilizzati i tassi, gli indici e i coefficienti frutto d’indagini ed approfondimenti ad hoc. Nella fase d’analisi e gestione dei modelli viene seguito Simulazione e simulatori a supporto della programmazione comunale pag. 3 l’approccio System Dynamics e utilizzato il software di supporto (nel nostro caso VENSIM DSS). Nella fase di monitoraggio vengono individuati e rilevati i dati di sintesi in itinere e di fine periodo per la valutazione ex ante ed ex post delle politiche pubbliche attivate e delle azioni correttive introdotte nei sistemi osservati. Figura 3 Fasi di gestione del simulatore demografico tn nati tm = immigrati morti P0+ Saldo naturale 1946 1951 1961 1971 te ti 1981 1991 = emigrati Saldo migratorio 2001 G es tio ne 2007 2015 2021 = 2036 2057 G es tio ne traslazione scenarizzazione diagnosi c a Politiche pubbliche b Analisi di sensitività 1946 1951 1961 1971 1981 1991 2001 2007 2015 2021 2036 valutazione ex post valutazione ex ante da ti Popolazione1 rilevazione analisi ba se 2057 M m od el lo on it o ra gg i o Nella base dati si trovano le informazioni indispensabili ad alimentare il modello simulato. I dati immagazzinati sono quelli che permettono di rappresentare quantitativamente e qualitativamente le variabili costitutive il sistema osservato. Per fare un esempio relativo al funzionamento del simulatore demografico possiamo affermare che, nella base dati del simulatore, dovremo trovare gli elementi della demografia. Un sistema demografico è composto di entrate e uscite dal sistema territoriale. Avremo quindi bisogno dei dati relativi ai saldi: naturale e migratorio (nati, morti, immigrati, emigrati) e dei loro relativi tassi. Il tutto per un periodo sufficiente ad effettuare un’analisi sulla base della quale costruire le regole del modello di simulazione e una diagnosi condivisa dello stato del sistema. Fatto questo può iniziare la fase di modellazione che arriverà a produrre stati simulati futuri estrapolati (fino a quando le regole dell’estrapolazione lo permettono) e scenari (fino a quando questi mantengono una effettiva efficacia operativa rispetto al problema sul quale intervengono). Le politiche pubbliche che si attivano dai processi simulativi sono generalmente di migliore qualità, ampiezza, condivisione, efficacia; sono comunque sempre più efficienti. Il simulatore assiste il decisore anche nella fase di valutazione permettendo ex ante di individuare milestones e/o punti critici cui fare riferimento in fase di attribuzione degli obiettivi programmatici e/o di ri-configurare gli stati organizzativi necessari al loro raggiungimento. Simulazione e simulatori a supporto della programmazione comunale pag. 4 Possiamo affermare che a seguito di simulazione è più facile condividere diagnosi sui sistemi ed è più agevole capire come valutare l’efficacia delle azioni e delle politiche attivate. Abbiamo detto in precedenza che un’efficace metafora del modello stock & flow, è quella della vasca da bagno. Approfittando di questa immagine possiamo considerare ogni nostro modello come un sistema comunicante di contenitori e flussi. In questo modo siamo in grado di rappresentare qualsiasi tipo di sistema, misurandone code, introducendo ritardi, valutando alternative. La simulazione è resa possibile dall’analisi/comprensione della struttura del sistema osservato. Ogni sistema (problema) ha una sua struttura di funzionamento che deve essere conosciuta e compresa (modellizzazione) prima di attivarne il cambiamento. La simulazione può avvenire solo se si dispone di un modello della realtà che permetta di spiegarne il comportamento. La simulazione segue un processo ricorsivo e rende possibile la scenarizzazione del sistema, ancorandola a dati coerenti e obiettivi che ne giustifichino gli esiti. L’efficacia della simulazione dipende dal grado di conoscenza della struttura del sistema osservato e dalla qualità del dato che viene usato per determinare gli stocks iniziali, le costanti intervenienti e le dinamiche delle variabili flusso. Capire la struttura del sistema osservato vuol dire identificare le forze che lo rendono dinamico. Per fare questo si usano i cicli causali. Queste ultime sono delle rappresentazioni circolari di eventi collegati e relazionati caratterizzate da un loro specifico comportamento (figura 4). Le funzioni dei cicli causali (di rinforzo o di bilanciamento) spiegano il comportamento del sistema osservato e ne permettono la successiva modellazione. Figura 4 Capire la struttura del sistema/problema rappresentandone i cicli causali. Diagramma di inferenza causale consenso/qualità/costi stato dell'Amministrazione + 1 rinforzo da stabilità + tasso di stabilità standard politica del consenso V1 - V2 capacità di + organizzazione - + stato dei costi V3 + + consenso qualità servizi + + erogati pressione fiscale rinforzo da qualità dei servizi + regolazione da costi soddisfazione cittadini - 2 3 La modellazione parte dall’analisi strutturale effettuata con l’individuazione dei cicli causali e delle loro funzioni e arriva alla definizione dei flussi e dei livelli che caratterizzano il sistema. In questa fase si passa dal modello astratto a quello informatico. Modello che permette di gestire quantitativamente il sistema simulato. Questo modo di rappresentare i sistemi rende più semplice capire che nella realtà le variabili non sono mai isolate e non agiscono da sole ma, inevitabilmente, si influenzano reciprocamente attraverso meccanismi di retroazione. Questa caratteristica dei sistemi li rende complessi. Questa caratteristica fa della simulazione una tecnica affascinante sia in fase ideativa delle politiche pubbliche che in quella di implementazione e valutazione. Simulazione e simulatori a supporto della programmazione comunale pag. 5 I meccanismi di causa effetto che costruiscono i sistemi sono singolarmente di facile comprensione: effetti e cause interagiscono. Il problema della gestione dei sistemi non sta quindi nella difficoltà di comprensione dei loro meccanismi (non solo in questo), ma nel loro numero. Nei sistemi reali i numeri di queste interazioni sono enormi. Prima dell’avvento degli elaboratori elettronici era impossibile pensare di poterli considerare a fini pratici. Oggi la cosa è fattibile. Non ancora in modo assoluto e privo di limitazioni, ma è diventata ragionevolmente semplice. Questi meccanismi operano con effetto positivo (di rinforzo) o negativo (di bilanciamento) sul sistema osservato. L’effetto complessivo che il singolo feedback cumula all’interno del singolo circolo causale ne determina il comportamento. La simulazione manifesta il suo vantaggio maggiore quando interviene su sistemi non lineari di variabili dove agisce il feedback. Quest’ultimo, influenza e viene influenzato da elementi causali. La rete causale che determina il comportamento del sistema ne è parte determinante e non può essere scissa dalle singole variabili che compongono il sistema stesso. Il processo della simulazione segue un suo iter che si presta facilmente a diventare una prassi amministrativa, una procedura. Con un’affermazione un po’ azzardata ci si potrebbe chiedere: perché non farlo diventare una spending review procedure? Introducendo quindi i simulatori nelle PAL per determinare obiettivi annuali sostenibili di riduzione della spesa primaria delle Amministrazioni. Se una città si dota di un sistema di gestione delle politiche pubbliche allora l’uso dei simulatori di gestione viene esaltato. Ma concretamente cosa permette di fare un simulatore a supporto della nascita, implementazione e valutazione di una politica? Vediamo alcuni dei nostri esempi. Il Simulatore dinamico delle cessazioni Il Simulatore delle Cessazioni dal Servizio (figura 5), permette un’ampia serie di previsioni basate sulla obiettiva rappresentazione dei pensionamenti nelle strutture. La previsione, oltre a permettere di seguire l’evoluzione del fenomeno, rende possibile la simulazione d’impatto per settore, l’individuazione di programmi di rimpiazzo, assunzione, formazione del personale e di quantificazione dei relativi costi. Figura 5 Desktop Simulatore . Simulatore Dinamico delle Cessazioni dal Servizio (SDCS) struttura personale in servizio costo del personale situazione nei CDR Il simulatore compara la dimensione della consistenza di personale con quella della relativa spesa. La previsione tendenziale a legislazione costante viene simulata, nell’esempio di figura 6, Simulazione e simulatori a supporto della programmazione comunale pag. 6 applicando (in un Comune con circa 2700 dipendenti) le condizioni in essere al 31.3.2009. Il personale assunto viene allocato ad un unico Settore (CDR) virtuale. La spesa viene calcolata considerando come costo entrante quello medio a valori 2008. Operando in questo modo si rileva, nell’esempio riportato di seguito, che la dotazione di personale di fine periodo si riduce a poco più di un terzo di quella attuale mentre la spesa si dimezza. A compiti e risultati invariati, la produttività di fine periodo, per mantenere il livello di efficienza relativa in essere nel sistema a marzo 2009, deve aumentare di circa il 93% Figura 6 Simulare evoluzione di spesa e consistenze. persone personale in servizio spesa personale 4,000 200 M 3,000 150 M euro 2,000 100 M 1,000 0 2008 50 M 2018 2029 Time (Year) 2039 0 2008 2049 personale in servizio : Current 2018 2029 Time (Year) 2039 2049 spesa personale : Current . Il simulatore evidenzia il dimensionamento naturale dovuto al pensionamento, applicando il vincolo in essere all’anno di partenza al restante periodo osservato, quantificando le assunzioni possibili a ripristino (a legislazione vigente) come evidenziato nell’esempio fatto in figura 7 da cui si rileva il Figura 7 Simulare impatto dei vincoli rapporto tra pensionamenti e assunzioni scenario:regole 2009) 200 persone 150 100 50 0 2008 assunzioni : Current 2018 2029 Time (Year) 2039 2049 pensionamenti : Current periodo di maggiore criticità tra l’uscita di risorse e il loro ripristino. Il simulatore evidenzia il gap esistente tra la previsione di pensionamento ed i possibili rimpiazzi autorizzati dalle norme in vigore e i relativi flussi economici calanti e crescenti. Simulazione e simulatori a supporto della programmazione comunale pag. 7 Il simulatore evidenzia inoltre l’extra produttività necessaria per ristabilire le condizioni in essere, la struttura per età dei dipendenti per singolo settore, la distribuzione per qualifica, permettendo inoltre la stesura di report diagnostici sulle principali criticità organizzative. Il Simulatore dinamico demografico Il Simulatore Demografico, nell’esempio di seguito presentato, permette un’ampia serie di previsioni basate sulla obiettiva rappresentazione della struttura demografica territoriale in essere. La previsione, oltre a seguire l’evoluzione naturale della popolazione, ne rende possibile il dimensionamento per singolo anno con frontiera massima al 2057. Il simulatore demografico permette di estrarre regole di funzionamento dal sistema territoriale osservandone il passato. Permette inoltre di dimensionare, qualificare, quantificare i servizi secondo scenari: temuti e/o auspicati e di formare le persone simulando situazioni critiche in contesti coerenti con le criticità. Il simulatore rappresenta quindi un formidabile strumento di gestione che permette di evidenziare il risultato di aumento o diminuzione della natalità e dell’attrattività del sistema locale considerato. In questo modo si possono sia prevedere i risultati nel futuro di cambiamenti odierni che, all’opposto, dimensionare a ritroso i risultati da conseguire nelle fasi di implementazione di politiche locali. Pertanto, la demografia assume, un ruolo fondamentale nel processo di presa delle decisioni della comunità urbana, rappresentandone una obiettiva componente strutturale, da monitorare in corso Figura 8 Demografia e Politica Economica Locale Sce nar Saldo migratorio Demografia Urbana ri ato ) gol tivi i re cen ent sin um i/di Str entiv c (in i Politica demografica Sistema socio-economico locale Competitività territoriale Saldo naturale d’opera, di tutte le politiche pubbliche territoriali come schematizzato in figura 8. Basta, infatti, aggiungere ad ogni piano pluriennale pubblico un riferimento quantitativo che giustifichi l’azione intrapresa in termini di risultato quantitativo sulla popolazione, per avere a disposizione una proxy incontrovertibile di risultato. La simulazione viene guidata dai cursori, che intervengono sul dato di flusso in questione ed è immediatamente osservabile sui grafi che evidenziano il livello della variabile considerata come visto precedentemente in figura 1. La Demografia permette di de-relativizzare obiettivi territoriali, valutare il risultato di politiche pubbliche, quantificare, qualificare, dimensionare, i servizi pubblici. La struttura stock & flow (figura 9) del simulatore demografico considera i tre classici gruppi di età: •giovani (fino a 14 anni); •adulti (fino a 65 anni); •anziani (oltre i 65 anni). Simulazione e simulatori a supporto della programmazione comunale pag. 8 Si è ricorsi ai raggruppamenti di età per rendere più significativa l’analisi strutturale del sistema, sia favorendone la comprensione in termini di flusso continuo che quella economico/sociale. Con l’età, infatti, cambiano i contributi che l’individuo fornisce alla società: “generalmente bambini e giovani sono consumatori netti di risorse, mentre gli adulti producono e risparmiano. Gli anziani non hanno invece una connotazione ben definita anche se tendono, specialmente in età avanzata, a divenire consumatori netti”. Figura 9 Flussi e livelli del modello Il ciclo di retroazione che bilancia il sistema demografico è quello di invecchiamento e morte. Il ciclo di rinforzo è quello di nascita e sviluppo. La struttura del modello di simulazione è suddivisa in due componenti speculari, quella relativa ai residenti di origine straniera e quella relativa alla componente autoctona. Il Simulatore dinamico sul valore aggiunto del Sistema Locale del Lavoro Il Simulatore del Valore Aggiunto del Sistema Locale del Lavoro, permette un’ampia serie di previsioni relative al valore aggiunto per settore di attività, basate sulla obiettiva rappresentazione della struttura produttiva territoriale in essere. La previsione, oltre a permettere di seguire l’evoluzione degli addetti per settore, rende possibile la comparazione della Produttività Totale dei Fattori (TFP) per zona e per singolo anno. In questo modo si dispone di un indicatore dell’evoluzione dell’ammontare di dipendenza strutturale del sistema territoriale che deve essere recuperato dal sistema produttivo per non alterare le condizioni in essere di competitività territoriale. Anche in questo caso la simulazione è immediatamente presentata nei grafi relativi al valore aggiunto territoriale, per occupato e settore di attività e alle relative comparazioni tra l’evoluzione degli uni e degli altri (figura 10). Simulazione e simulatori a supporto della programmazione comunale pag. 9 Figura 10 Flussi e livelli nel Sistema Locale del Lavoro confronto evoluzione 1 1 1 150,000 occupati 14 B euro 100,000 occupati 8 B euro 2001 2002 2003 occupati nei servizi : Current 1 VA territoriale servizi : Current 2 2 2 2 2 2004 1 1 2 confronto VA territoriale e dei servizi 20 B euro 20 B euro 1 1 1 2 2 2 2005 2006 Time (Year) 1 2 1 1 2 1 2 2007 1 2 VA territoriale servizi 1 2 1 17 B 1 1 1 1 1 2010 1 1 1 1 2004 2007 Time (Year) 1 1 1 1 40,000 2001 2005 2009 Time (Year) VA per occupato : Current 1 1 1 2 2 2 2005 2007 Time (Year) 1 1 2 2009 1 2 2 1 2 euro euro 1 2 1 1 10 B 2001 2 2 2 1 1 2004 2007 Time (Year) VA territoriale : Current 1 2 1 1 2 1 2003 2005 2007 Time (Year) 1 1 2 2 1 2009 occupati occupati occupati complessivi 1 1 1 1 2 1 occupati complessivi : Current 1 occupati nei servizi : Current2 2 1 VA territoriale euro euro/occupato 1.56073e-038 ? evoluzione VA servizi 2 1 20 B 1 80,000 1 2003 200,000 occupati 100,000 occupati 2001 2010 1 VA per occupato evoluzione occupazione servizi 1 1 300,000 occupati 150,000 occupati 1 1 occupati nei servizi : Current 1 2 confronto occupati nel territorio e nei servizi 1 100,000 2001 2 2 2 400,000 occupati 200,000 occupati 1 1 2 VA Servizi : Current 1 VA territoriale : Current 150,000 8B 2001 2003 2005 2007 2009 Time (Year) VA territoriale servizi : Current 2 1 occupati 14 B 11 B 8 B euro 10 B euro 2001 occupati euro 1 2 200,000 1 2009 1 2 14 B euro 15 B euro 2 1 occupati nei servizi 20 B euro 2008 1 2 2 1 1 2010 1 400,000 occupati 200,000 occupati 20 B euro 1 1 1 1 1 200,000 2001 2004 2007 2010 Time (Year) occupati complessivi : Current 1 1 1 Un esempio di risultati ottenibili con il simulatore dinamico demografico Non potendo verificare lo straordinario potenziale dinamico della simulazione in una situazione reale, cerchiamo almeno di rappresentarne alcuni aspetti esemplificativi di un caso concreto, quello di una città di medie dimensioni del Italia settentrionale. Vediamo quindi quale potrebbe essere il primo risultato di un ciclo di simulazione ottenuto con il simulatore demografico. Sebbene manchi l’aspetto del lavoro di gruppo con i decisori e un vero e proprio contesto, i risultati evidenziano il tipo di riflessioni che l’uso del simulatore attiva. La popolazione residente al tempo 1 viene ricavata sommando ai residenti al tempo 0 i risultati dei saldi del movimento naturale e migratorio. In questo modo viene presentata l’evoluzione del dato storico e nel frattempo viene caricata la base dati che permette le successive simulazioni. L’osservazione della sua evoluzione, Simulazione e simulatori a supporto della programmazione comunale pag. 10 Figura 11 Dalle rilevazioni puntuali all’uso di concetti Di vid e dato storico nd o 400,000 persone/anno 325,000 1 250,000 2 12 2 1 2 1 2 de mo g raf i co 1 1 175,000 1 2 100,000 1946 1 2 1965 dato storico : Current 1 1983 1 1 2002 Time (Year) 2020 dato storico : 2 2039 2 2 2057 2 contribuisce alla individuazione di concetti demografici quali dividendo demografico. Concetto questo che evidenzia l’effetto del caricamento demografico (alta natalità) che avvenuto nel passato manifesta i suoi effetti successivamente, come effetto ritardato della natalità. Il dividendo demografico rappresenta l’effetto cumulato della riduzione dei costi legati al mantenimento del gruppo demografico dei giovani e i benefici derivanti dalle nascite dei periodi precedenti. Esauritosi l’effetto del “dividendo demografico”, la dinamica dello sviluppo locale ha cominciato ad essere sostenuta dal movimento migratorio. Movimento che nell’esempio riportato in figura 11ha riprodotto flussi in entrata omogenei con quelli degli anni 50/60 ma, nel frattempo, ha aumentato significativamente quelli in uscita, determinando la centralità dei fattori attrattivi della città. Simulazione e simulatori a supporto della programmazione comunale pag. 11 Figura 12 Comprensione della struttura sistemica: il saldo migratorio saldo migratorio 7000 6000 5000 4000 3000 2000 1000 0 -1000 19 46 19 50 19 54 19 58 19 62 19 66 19 70 19 74 19 78 19 82 19 86 19 90 19 94 19 98 20 02 20 06 -2000 Il saldo migratorio misura la differenza tra immigrati ed emigrati per anno. L’osservazione della sua evoluzione contribuisce alla individuazione delle cosiddette transizioni demografiche, periodi in cui cambiano le tendenze demografiche territoriali (figura 12). Il saldo naturale misura la differenza tra nati e morti per anno. L’osservazione della sua evoluzione contribuisce come abbiamo già visto nel caso del saldo migratorio, alla individuazione delle cosiddette transizioni demografiche, periodi in cui cambiano le tendenze demografiche territoriali. Figura 13 Comprensione della struttura sistemica: il saldo naturale saldo naturale 2500 2000 1500 1000 500 0 -500 2006 2003 2000 1997 1994 1991 1988 1985 1982 1979 1976 1973 1970 1967 1964 1961 1958 1955 1952 1949 1946 -1000 Il saldo naturale, nell’esempio di figura 13, è strutturalmente calante dagli anni 70. In quel periodo avviene la seconda transizione demografica che caratterizza l’entrata della città nel “regime demografico moderno”. La transizione demografica associa il declino della mortalità alla riduzione del tasso di natalità. La prima transizione demografica ha portato alla modernità, la seconda alla contemporaneità. I motivi della seconda transizione demografica sono più d’uno: migliori e maggiori opportunità di impiego per le donne portano all’aumento dei costi opportunità associati ai compiti domestici e alla cura e Simulazione e simulatori a supporto della programmazione comunale pag. 12 l’allevamento dei figli. Il lavoro femminile è diventato necessario per compensare la più debole situazione salariale dell’uomo e per conservare lo standard di vita della famiglia. Anche per le donne, il lavoro è diventato un mezzo di realizzazione personale. Il tasso di natalità indica il numero di nati ogni mille abitanti, per anno. Il saldo negativo evidenziato nell’esempio di figura 14 (natalità e mortalità che non si compensano più e anzi vedono i secondi superare i primi) è determinato dal crollo del tasso di natalità, pari oggi alla metà di quello del 1965. Figura 14 Comprensione della struttura sistemica: l’evoluzione del tasso di natalità evoluzione tasso di natalit 120 100 valore 80 60 40 20 2005 2002 1999 1996 1993 1990 1987 1984 1981 1978 1975 1972 1969 1966 1963 1960 1957 1954 1951 1948 anno 0 Il calo delle nascite, è coinciso con l’entrata nel mondo del lavoro delle generazioni precedenti, quelle del boom demografico degli anni 50 e 60. L’azione congiunta di questi fattori ha determinato una consistente riduzione dell’indice di dipendenza strutturale. Entrando nel dettaglio di quanto avviene all’interno dei singoli raggruppamenti per età rileviamo dall’esempio riportato in figura 15 che la distribuzione della componente maschile della popolazione nel 2001 evidenzia la distanza con quanto avveniva 40 anni prima in città. Indipendentemente dal sesso di appartenenza e dalla maggior longevità delle femmine, la composizione per età dei residenti al 31.12.2001 mette in evidenza due picchi di frequenza, relativi alle età dei 37 e dei 55 anni. Picchi corrispondenti alle date di nascita del 1945 e 1965 (baby boom locale). La distribuzione della popolazione di origine straniera è maggiormente concentrata tra i 25 e i 35 anni Simulazione e simulatori a supporto della programmazione comunale pag. 13 Figura 15 Comprensione della struttura sistemica: distribuzione per età nel 2001 femmine 2001 2,200 1,760 1,650 persone/anno persone/anno maschi 2001 2,200 1,320 1,100 880 550 440 0 0 0 0 19 37 adulti maschi autoctoni : Current anziani maschi autoctoni : C urrent giovani maschi autoctoni : C urrent 56 età 74 93 111 adulti maschi stranieri : C urrent anziani maschi stranieri : C urrent giovani maschi stranieri : Current 19 37 56 Time (Year) 74 93 111 adulti femmine autoctone : C urrent adulti femmine straniere : C urrent giovani femmine autoctone : Current giovani femmine straniere : Current anziani femmine autoctone : Current anziani femmine straniere : C urrent Nel gruppo degli adulti troviamo le più elevate frequenze per età, frutto della natalità degli anni 50 –70 (i nati degli anni 50 – 70 sono gli adulti di oggi). La stessa distribuzione si rileva al 31.12.2007, dove (figura 16) sono evidenti i due picchi precedentemente citati, spostati in avanti di sei anni. Osservando la distribuzione per età nel 2007 rileviamo lo spostamento in avanti dei due picchi osservati nel 2001 ed un significativo aumento della presenza di stranieri. Figura 16 Comprensione della struttura sistemica: distribuzione per età nel 2007 femmine 2007 2,000 2,200 1,500 1,650 persone/anno persone/anno maschi 2007 1,000 1,100 550 500 0 0 0 19 37 56 Time (Year) 74 93 adulti maschi autoctoni 07 : Current anziani maschi autoctoni 07 : Current giovani maschi autoctoni 07 : Current adulti maschi stranieri 07 : Current anziani maschi stranieri 07 : Current giovani maschi stranieri 07 : Current 111 0 19 37 56 Time (Year) 74 93 111 adulti femmine autoctone 07 : Current anziani femmine autoctone 07 : Current giovani femmine autoctone 07 : Current adulti femmine straniere 07 : Current anziani femmine straniere 07 : Current giovani femmine straniere 07 : Current La distribuzione della popolazione di origine straniera allunga l’ampiezza delle età più rappresentate verso i 40 anni, quasi raddoppiando le consistenze ed evidenziando una più elevata natalità. Mentre i maschi anziani, nel 2001, diminuiscono di numero in modo costante, già dai 65 anni di età, la contrazione più marcata delle femmine avviene solo dopo gli 80 anni di età. Differenziale questo, tra femmine e maschi, dovuto alle morti avvenute durante la seconda guerra mondiale. Già nel 2007 l’effetto differenziale tra i sessi, si attenua e i due trend, pur mantenendo il differenziale genetico di longevità a favore delle femmine condividono la stessa pendenza (figura 17). Comparando le situazioni relative al periodo 2001-2007, relative agli anziani, si rileva un significativo aumento degli ultra ottantenni. Simulazione e simulatori a supporto della programmazione comunale pag. 14 Figura 17 Comprensione della struttura sistemica: comparazione situazione anziani 2001-2007 anziani 2007 2,000 1,350 1,500 persone/anno persone/anno anziani 2001 1,800 900 450 0 66 72 78 84 90 Time (Year) 96 102 1,000 500 0 108 66 anziani femmine autoctone : Current anziani femmine straniere : Current anziani maschi autoctoni : Current anziani maschi stranieri : Current 72 78 84 90 Time (Year) 96 102 108 anziani femmine autoctone 07 : Current anziani maschi autoctoni 07 : Current anziani femmine straniere 07 : Current anziani maschi stranieri 07 : Current Sempre nello stesso periodo dall’esempio riportato in figura 18 si rileva che i giovani fino a 14 anni risultano stabilmente equidistribuiti fra le età, denotando un andamento stabile della natalità nell’ultimo quindicennio. Nel caso degli stranieri si osserva che, a conferma dell’aumento della natalità, la loro numerosità è Figura 18 Comprensione della struttura sistemica: comparazione situazione giovani 2001-2007 giovani 2007 giovani 2001 1,100 825 persone/anno persone/anno 1,100 550 275 825 550 275 0 0 0 1 2 3 4 5 6 7 8 Time (Year) 9 10 11 12 13 giovani femmine autoctone : Current giovani femmine straniere : Current giovani maschi autoctoni : Current giovani maschi stranieri : Current 14 0 1 2 3 4 5 6 7 8 Time (Year) 9 10 11 12 13 giovani femmine autoctone 07 : Current giovani femmine straniere 07 : Current giovani maschi autoctoni 07 : Current giovani maschi stranieri 07 : Current negativamente correlata all’età. A questo punto possiamo usare (simulare) le costanti rilevate nel periodo campionato per traslare i dati al futuro. Se usiamo i rilevamenti puntuali, riferiti al 2001 e al 2007, come situazioni rappresentative della fase di stazionarietà demografica in cui si trova la città (figura 19), possiamo ipotizzare (per il gruppo degli adulti con ampio margine di certezza) le situazioni evolutive al 2015, al 2021 e al 2036. Procediamo escludendo l’impatto del saldo migratorio differenziale e traslando il gruppo dei giovani 2001 al 2015, quello del 2007 al 2021 e 2036. Simulazione e simulatori a supporto della programmazione comunale pag. 15 14 Figura 19 Uso del simulatore: traslazione al futuro adulti 2021 * 2,200 1,650 1,675 persone/anno persone/anno adulti 2015 * 2,200 1,100 550 1,150 625 100 0 15 20 25 30 35 40 età 45 50 55 60 15 65 20 25 30 35 40 età 45 50 55 60 adulti femmine autoctone 21 : Current adulti maschi autoctoni 21 : Current adulti femmine straniere 21plus : Current adulti maschi stranieri 21plus : Current adulti femmine autoctone 15 : Current adulti femmine straniere 15plus : Current adulti maschi autoctoni 15 : Current adulti maschi stranieri 15plus : Current adulti 2036 * persone/anno 2,200 1,675 1,150 625 100 30 35 40 45 50 55 60 65 età adulti maschi autoctoni 36 : Current adulti femmine autoctone 36 : Current adulti femmine straniere 36plus : Current adulti maschi stranieri 36plus : Current Il risultato ci presenta una situazione in cui la classe di età più rappresentata nel 2015 sarà quella dei cinquantaduenni, nel 2021, quella dei cinquantottenni, nel 2036, quella degli ultra sessantacinquenni, tra la popolazione autoctona. Nel 2040 l’ultima coda del baby boom locale non sarà più in attività e andrà completamente a costituire l’ultima consistente comunità di anziani autoctoni. Nel 2040, l’effetto del baby boom sul mercato del lavoro locale sarà completamente esaurito. Nel 2040 il differenziale tra popolazione adulta autoctona e straniera si ridurrà in modo assai significativo. Le estrapolazioni possibili su dati effettivamente rilevati si concludono a questa data. Da qui in avanti dovremo continuare attraverso l’elaborazione di scenari. Lo spazio delimitato con linea tratteggiata (figura 20) ha un suo limite superiore, caratterizzato da scenari ad elevata natalità e attrattività e un limite inferiore, caratterizzato da scenari a bassa natalità e attrattività. Simulazione e simulatori a supporto della programmazione comunale pag. 16 65 Figura 20 Scenari possibili 350.000 popolazione 300.000 ttività Scenari ad alta natalità e attra 250.000 Scenari probabili Scena ri a ba ssa na talità e attratt ività 200.000 150.000 2057 2052 2047 2042 2037 2032 2027 2022 2017 2012 2007 100.000 anno Lo strumento permette la simulazione demografica dinamica con range sufficiente a garantire un’ampia forbice di iniziative sostenibili sul territorio. Iniziative che permettono di prendere in considerazione sia tassi possibili (ma improbabili) di natalità superiori al 2,7% e saldo migratorio positivo di 1.600 individui/anno che, tassi possibili (ma improbabili) di natalità dello 0,5 % con saldo migratorio pari a zero (Naturalmente i dati relativi ai tassi possono essere variati per produrre scenari diversi). Figura 21 Uso del simulatore: scenario base dinamica popolazione 400,000 persone 300,000 200,000 100,000 0 2007 2012 2017 2022 2027 2032 2037 2042 2047 2052 2057 Time (Year) popolazione comunitaria : scenario popolazione base popolazione extracomunitaria : scenario popolazione base popolazione totale : scenario popolazione base Lo scenario base Rappresenta lo scenario naturale di evoluzione della situazione a fattori 2001-2007 (escludendo il saldo migratorio) e presenta due comportamenti del sistema caratterizzati da diverso tasso generico di natalità pari mediamente all’1,2 % per la popolazione autoctona e al 2 % per quella straniera. Simulazione e simulatori a supporto della programmazione comunale pag. 17 La popolazione dell’esempio di figura 21 scende dai circa 260.000 abitanti del 2007 ai circa 197.000 del 2057, dando origine ad un saldo negativo di circa 60.000 abitanti. La popolazione autoctona passa da 231.000 persone circa del 2007, a 158.000 circa del 2057, con una contrazione di 73.000 unità. La popolazione di origine straniera passa da 30.000 persone circa nel 2007 a circa 38.000 nel 2057. il modello utilizzato ha considerato la popolazione come composta dalle due componenti: •autoctona; •straniera. La struttura del modello è, in entrambe i casi, la medesima e deriva i totali dalla somma dei due specifici movimenti evidenziati in modello 1. Il modello considera il solo saldo naturale e ricava i suoi tassi dall’osservazione del periodo 1946/2006. I tassi applicati al modello per la scenarizzazione sono stati randomizzati attorno al tasso medio dell’ultimo quinquennio (2003-2007). L’indice di dipendenza strutturale e l’indice di vecchiaia nell’esempio di figura 22 tendono ad avvicinarsi e stabilizzarsi nel corso del tempo con una forte riduzione del secondo e un lieve aumento del primo. Lo scenario base presenta anche l’indice di dipendenza strutturale e quello di vecchiaia. Osservandone l’evoluzione si deve riflettere sull’impatto che la riduzione della popolazione adulta avrà in termini (alternativi o cumulativi) di richiesta di manodopera dall’esterno del sistema, riduzione di valore aggiunto prodotto, aumento della produttività da innovazione Figura 22 Uso del simulatore: scenario base – confronto dipendenza strutturale e vecchiaia relazione vecchiaia e dipendenza 200 150 100 50 0 2007 2012 2017 2022 2027 2032 2037 Time (Year) 2042 2047 2052 2057 indice di vecchiaia : s cenario popolazione bas e indice di dipendenza : s cenario popolazione bas e Il risultato simulato più evidente di quanto appena visto è che con l’aumento del tasso di natalità (A) e attraverso interventi mirati di selezione dei flussi migratori (B) si potrebbe assestare la popolazione su livelli pressoché invariati nel periodo. L’effetto positivo di crescita della componente giovanile, oltre a ridurre ulteriormente il tasso di senilizzazione potrebbe dare origine a condizioni demografiche favorevoli per l’economia dagli anni quaranta, quando arriveranno sul mercato del lavoro le generazioni nate negli anni 10 e 20. Simulazione e simulatori a supporto della programmazione comunale pag. 18 In ogni caso nell’esempio (che in realtà viene condotto con stakeholders del sistema) andrà affrontato il tema di come almeno garantire (attraverso il miglioramento della produttività totale dei fattori che misura il rapporto tra la quantità di output e la quantità aggregata di input realizzata.del sistema l’assorbimento dell’incremento di dipendenza strutturale sulla parte attiva della popolazione, previsto. Verosimilmente si tratterebbe di una variazione della TFP del 15/20% circa, gap che andrebbe recuperato intervenendo sulla qualità dei fattori della produzione e sulla capacità del sistema territoriale di ampliare la sua frontiera di produzione, sviluppando e applicando buona ricerca e accrescendo il potenziale produttivo del territorio. L’ulteriore scenarizzazione (scenario 1, 2,3, ecc.) parte dalla considerazione che qualora lo scenario base si avverasse, allora si realizzerebbero condizioni problematiche per il sistema territoriale. Se in questa situazione non intervengono politiche specifiche, il vuoto demografico, verrà, molto probabilmente colmato in modo disordinato e orientato a massimizzare la soddisfazione di chi arriva senza considerare i bisogni di chi accoglie. Per questo motivo si formulano ulteriori scenari (nell’esempio che facciamo ci limitiamo allo scenario 1) che considerano l’attivazione di ipotetiche politiche di contrasto (A, B, C, ecc) valutandone (grazie al simulatore) immediatamente l’impatto. La diagnosi emersa a seguito della rappresentazione dello scenario base evidenzia che la dinamica economica incide sulla popolazione principalmente tramite migrazioni mentre l’elemento Figura 23 Uso del simulatore: scenario 1 dinamica adulti 200,000 30,000 150,000 persone persone dinamica giovani 40,000 20,000 100,000 10,000 50,000 0 2007 2012 2017 2022 2027 2032 2037 2042 2047 2052 2057 Time (Year) giovani comunitari : s cenario popolazione bas e giovani extracomunitari : s cenario popolazione bas e 0 2007 2012 2017 2022 2027 2032 2037 2042 2047 2052 2057 Time (Year) adulti comunitari : s cenario popolazione bas e adulti extracomunitari : s cenario popolazione bas e evoluzione gruppi di età dinamica anziani 200,000 60,000 30,000 150,000 persone/anno persone 45,000 100,000 50,000 15,000 0 2007 2012 2017 2022 2027 2032 2037 2042 2047 2052 2057 0 Time (Year) 2007 2012 2017 2022 2027 2032 2037 2042 2047 2052 2057 adulti totale : scenario popolazione base Time (Year) anziani totale : scenario popolazione base anziani comunitari : scenario popolazione bas e giovani totale : scenario popolazione base anziani extracomunitari : scenario popolazione base demografico agisce sull’economia attraverso l’azione delle componenti naturali. Giudicata convincente la diagnosi e poiché in altri Paesi sono state condotte esperienze significative di contrasto. si ipotizza di attivare due politiche precise. La prima di aumento del tasso di natalità e la seconda di introduzione di azioni per migliorare l’attrattività selettiva di talenti. Il problema a questo punto diventa quello di prima immaginare le azioni a supporto delle politiche urbane citate e poi quello di monitorarne l’impatto, dimensionandone l’entità e simulandone l’efficacia. Nello scenario 1 (figura 23) quindi, si prende in considerazione l’impatto di un lieve aumento della natalità (inferiore al mezzo punto percentuale) sulla dinamica della popolazione giovane, adulta e anziana. In tutte e tre le componenti, l’aumentata natalità prevista pur se con limitato impatto riduce la tendenza evidenziata dallo scenario base in modo significativo. Simulazione e simulatori a supporto della programmazione comunale pag. 19 Questa situazione dipende dall’evoluzione prevedibile nei diversi raggruppamenti di età. Nel periodo considerato: i giovani e gli anziani rimangono sostanzialmente stabili (effetto della stabilità del tasso di natalità utilizzato pari alla media del quinquennio 2001-2007 e della chiusura del ciclo del baby boom); gli adulti si riducono di un terzo circa. Sommando l’effetto della prima policy di aumento della natalità alla seconda di attrazione talenti (di vario tipo di seguito non meglio definiti) si arriva alla rappresentazione puntuale delle singole Figura 24 Uso del simulatore: scenario 1 – dinamica popolazione a seguito di policy A+B dinamica giovani 40,000 300,000 30,000 persone persone dinamica popolazione 400,000 200,000 20,000 10,000 100,000 0 2007 2012 2017 2022 2027 2032 2037 2042 2047 2052 2057 Time (Year) 0 2007 2012 2017 2022 2027 2032 2037 2042 2047 2052 2057 Time (Year) giovani comunitari : s cenario popolazione bas e giovani extracomunitari : s cenario popolazione bas e popolazione comunitaria : scenario popolazione base popolazione extracomunitaria : scenario popolazione base popolazione totale : scenario popolazione base dinamica anziani 60,000 150,000 45,000 100,000 50,000 0 2007 2012 2017 2022 2027 2032 2037 2042 2047 2052 2057 Time (Year) adulti comunitari : scenario popolazione base adulti extracomunitari : scenario popolazione base persone persone dinamica adulti 200,000 30,000 15,000 0 2007 2012 2017 2022 2027 2032 2037 2042 2047 2052 2057 Time (Year) anziani comunitari : s cenario popolazione bas e anziani extracomunitari : s cenario popolazione bas e ipotesi fatte. Ipotesi disaggregate per età come evidenziato in figura 24. A seguito delle politiche di tipo A e B la popolazione tende a mantenere consistenze di poco inferiori a quelle del 2007. Lo strumento della policy va usato considerando il suo effetto leva. Tra le molte policies possibili si cerca quella che con il minimo impegno produce il massimo effetto. Il simulatore in questa fase è insostituibile. Gestione per politiche e processi organizzativi Le politiche pubbliche così individuate e descritte sono per definizione quantificate, tempificate e soggette a verifica di efficacia ed efficienza. Politiche che devono rendere sinergiche o compatibili le dinamiche strutturali della città, con il contesto e i vincoli posti dal sistema generale. Politiche che devono creare una serie di impulsi di cambiamento concentrati su elementi strutturali del sistema (che permettano di aumentare il tempo disponibile per la cura dei figli, senza diminuzione di reddito famigliare). Politiche plurime e multidimensionali (non necessariamente dotate di elevati budget finanziari) per le quali sia evidente la reattività della popolazione alle iniziative assunte. Applicando le politiche di tipo A, relative al contrasto del declino del tasso di natalità (per quanto effettivamente fattibile a livello locale) e all’attrazione di talenti (politiche tipo B), si ottiene nell’esempio una forte riduzione della decrescita rilevata nella situazione delineata dallo scenario Simulazione e simulatori a supporto della programmazione comunale pag. 20 base. La situazione con tasso di natalità pari al 15 per mille e con attrattività selettiva pari a 200 individui annui stabilizzati nel corso di tutto il periodo, permetterebbe almeno di contrastare la riduzione della popolazione residente. In questo caso la popolazione totale di fine periodo ammonterebbe a circa 214.000 individui. Un esempio del supporto fornito dal simulatore al dimensionamento di una politica a favore dell’aumento delle nascite consiste nel rendere possibile l’immediata valutazione della dimensione economica di una politica su nicchie di potenziali utilizzatori, quali quelle delle madri per età. Usando il simulatore, il vincolo può essere posto sulla spesa oppure sull’impatto in termini di maggiori nascite (ipotesi questa da trattare con diverso simulatore previa verifica di elasticità al tempo da dedicare ai figli da parte delle potenziali madri). L’ambito delle politiche da attivare è e rimane assolutamente politico. Il simulatore è solo uno strumento di gestione che può essere utilizzato per facilitare la presa delle decisioni. Decisioni che comunque, supportate da opportune previsioni, diventeranno più trasparenti, comprensibili e gestibili. Le politiche pubbliche (figura 25) gestite in questo modo (indipendentemente da quali esse siano) evitano le sub ottimizzazioni settoriali dove la performance viene calcolata a livello di singolo settore organizzativo o assessorato, senza considerare quale debba essere il contributo di ogni di loro al risultato complessivo. I servizi erogati e i settori coinvolti diventano valutabili in modo obiettivo come strumenti applicativi di politiche. Simulazione e simulatori a supporto della programmazione comunale pag. 21 Figura 26 Uso del simulatore: gestione integrata delle policies Comune Policy A Policy B Policy C Policy D Servizio Pubblico vincolo Comune Policy A Policy B Policy C Policy D A1 B1 C1 Servizio 1 A2 B2 C2 Servizio 2 A3 B3 C3 Servizio 3 Il Piano della performance assume il ruolo guida dell’Organizzazione. I simulatori rendono possibili metodi di gestione precedentemente impraticabili concretamente perché troppo complessi per essere alla portata dell’Ente Locale. I simulatori possono operare anche con basi dati non particolarmente raffinate. I simulatori comunque garantiscono la qualità delle simulazioni effettuate sempre supportate da puntuale valutazione statistica dei risultati. A valle della simulazione, la robustezza delle ipotesi viene definita in base all’analisi di sensitività che è sempre necessaria per valutare a priori quale policy avrà maggiore impatto sulla variabile considerata (). L’analisi di sensitività valuta l’effetto su l anche di minime variazioni delle costanti considerate nei cursori. I valori di sensitività sono interpretabili come pendenze di una retta e misurano l’effetto del cambiamento della costante (variabile con cursore) su. Se, ad esempio, la modifica della costante: valore aggiunto per addetto, determinasse un valore di sensitività di 0.1672, questo vorrebbe dire che un cambiamento unitario nel valore della costante (valore aggiunto per addetto) determina un cambiamento in l di un fattore pari a 0.1672. Quanto più elevato è il valore dei coefficienti di sensitività tanto maggiori saranno le variazioni positive o negative dei risultati effettivi rispetto a quelli risultanti dalle simulazioni. Simulazione e simulatori a supporto della programmazione comunale pag. 22 Le alternative che presentano valori più bassi di sensitività risultano meno rischiose perché le loro prospettive sono meno vulnerabili al variare delle grandezze da cui dipendono. Nell’esempio fatto in precedenza l’analisi di sensitività ha dimostrato la robustezza delle decisioni ipotizzate. L’analisi ha evidenziato i fattori il cui valore conviene meglio stimare e quelli che risulta opportuno mantenere sotto stretto controllo in fase di esecuzione del progetto. L’analisi relativa alla costante: tasso di natalità, come è naturale aspettarsi, ha mantenuto per tutto il periodo considerato un intervallo di confidenza del 99%. Una metodologia utile a promuovere azioni innovative di governo Questa metodologia è particolarmente adatta allo studio delle singole realtà locali al fine di effettuare analisi ex-post, volte all’individuazione delle cause che hanno dato vita ad un determinato fenomeno/problema osservato (spopolamento, impoverimento, inquinamento e così via), o analisi ex-ante, volte ad individuare le condizioni che permettono il raggiungimento di determinati obiettivi (miglioramento della qualità della vita, aumento dell’attrattività locale, raggiungimento di obiettivi con vincolo di risorse). L’approccio seguito potrebbe essere di supporto per qualsiasi decisore alle prese con sistemi dinamici complessi (sociali o economici), sia esso un decisore politico, istituzionale, civico, o come auspichiamo, loro mix. La risposta dei sistemi alle azioni di modifica del decisore, infatti, a volte non avviene in modo immediato e lineare ma può seguire sviluppi imprevedibili e articolati tali da amplificare, ritardare o rendere vana una qualsiasi azione volta a modificare lo stato di un sistema. Proprio per questa caratteristica dei sistemi socioeconomici risulta determinante la codecisione informata. La causa di questo comportamento del sistema risiede nella razionalità limitata propria dei decisori. Razionalità che si manifesta in due modi. Il primo attraverso la tendenza dei decisori a scomporre i problemi al fine di rendere più gestibili i compiti. Questo comportamento provoca la perdita della sensazione di essere legati a un insieme, limitando quindi la consapevolezza delle conseguenze delle singole azioni. La razionalità limitata è inoltre causa (e, allo stesso tempo, effetto) dei modelli mentali sulla base dei quali vengono prese le decisioni. Modelli mentali che altro non sono che generalizzazioni. Ipotesi profondamente radicate (convenienti in fase di gestione delle routine operative ma devastanti in fase di elaborazione delle strategie e delle logiche di azione) frutto della formazione e delle esperienze passate, di cui il decisore non è consciamente consapevole, ma che influenzano il suo modo di comprendere il mondo e di agire. Prendere decisioni collettive in modo informato, può diventare un formidabile stimolo per rompere quei modelli mentali che spesso portano a decisioni errate nelle prime fasi di impostazione di una politica. Errori di cui purtroppo ci si accorge in ritardo, quando l’effetto di una politica inadeguata ha aggravato o complicato la soluzione del problema. La rilevanza di questo approccio non è data tanto dalla capacità dei modelli realizzati di prevedere stati puntuali del sistema o sul rigore con cui le ipotesi vengono testate empiricamente, quanto sulla possibilità che il modello offre di comprendere la logica con cui le variabili rilevanti interagiscono, il ruolo che ciascuna di loro gioca, i punti in cui il sistema è sensibile agli interventi e gli scenari che emergono come conseguenza di ipotesi alternative circa lo stato iniziale del sistema. La comprensione della struttura del problema locale è determinante a priori nel direzionare e dimensionare le politiche pubbliche. Politiche che, a seconda delle deleghe interessate, devono cercare di intervenire sulle cause a loro accessibili dei problemi evidenziati nell’agenda locale. E per concludere una proposta Le scelte pubbliche vengono sempre più percepite dai cittadini come distanti dai loro bisogni, arbitrarie negli assunti, inutilmente costose. Questo avviene non solo per le politiche nazionali ma anche a livello locale dove, cioè, politici e cittadini sono fisicamente vicini e la condivisione di uno stesso territorio potrebbe aiutare a prendere decisioni informate e condivise. Purtroppo ciò raramente avviene perché le istituzioni non sono convincenti ed efficaci nel coinvolgimento dei loro Simulazione e simulatori a supporto della programmazione comunale pag. 23 cittadini nel processo decisionale. Inoltre anche quando ciò accade, le forme di partecipazione che si praticano non permettono di prendere decisioni informate. Anche quando praticata, la pianificazione strategica, si è spesso limitata a nobilitare “ex post” decisioni prese in modo autoreferenziale. Molta cura è stata posta nella comunicazione dei risultati e nell’apparente coinvolgimento dei cittadini, mentre poco o nulla è stato fatto a riguardo della comprensione della struttura dei problemi locali da affrontare e delle implicazioni di sistema che scaturiscono dalle soluzioni proposte. Si può ragionevolmente sospettare che questa sia una delle cause dell’aumento di fatalismo ed anomia fra i cittadini. Il Consiglio comunale può tornare ad essere un luogo esponenziale delle comunità locali. Può riempire il vuoto che si è realizzato in questi anni tra Istituzioni e Cittadini. Il Consiglio ha funzioni di pianificazione e controllo che per essere effettivamente agite devono poter monitorare e valutare le politiche pubbliche locali. Oggi questo si può fare in modo efficace con la simulazione. Oggi sono disponibili tools di simulazione dinamica che sono alla portata di tutti. Strumenti atti ad introdurre nelle prassi burocratiche efficaci procedure di codecisione in momenti critici della vita pubblica. Se, grazie all’implementazione e replicazione dell’esperienza presentata in questo articolo si giungesse al perfezionamento di una metodologia empirica, consolidata attraverso più esperienze reali che si concretassero nella operatività di Osservatori sull’efficacia delle Politiche Pubbliche Territoriali, si potrebbe finalmente dimostrare l’effettiva efficacia del Governo partecipato. Oggi questa idea è prevalentemente ideologica, potrebbe invece diventare evidente che non c’è decisione pubblica efficace senza partecipazione informata della popolazione. Se questa metodologia venisse adottata nelle procedure pubbliche di pianificazione territoriale, dimensionamento servizi, programmazione operativa delle attività, emergerebbero subito i casi critici in cui gli interessi dei decisori politici e quelli dei cittadini collidono. Questo a causa del modo ideologico in cui i problemi vengono generalmente affrontati. A solo titolo di esempio consideriamo la possibile applicazione di questo approccio in ambito: ambientale, economico ed organizzativo. Nel primo caso proviamo ad immaginare gli effetti positivi di una comparazione preventiva tra soluzioni diverse in materia di gestione dei rifiuti. Perché quando affrontiamo questioni come queste, prima di decidere se continuare a gestire una discarica, costruire un inceneritore o un impianto di trattamento a freddo dei rifiuti, non disponiamo di strumenti per intervenire sulle opzioni reali che abbiamo di fronte e ci infiliamo sempre in pessime contrapposizioni ideologiche senza riferimenti obiettivi? Perché non proviamo a decidere seguendo un diverso processo decisorio supportato dalla simulazione? Un altro ambito applicativo di grande importanza potrebbe essere quello delle politiche economiche attive per esempio quando un Ente territoriale vuole intervenire sul suo sistema locale del lavoro e, comparando il valore aggiunto prodotto in ogni singolo comparto, costruisce una strategia di crescita di lungo periodo con un sistema di monitoraggio vincolante per il rifinanziamento dei suoi interventi. Un altro ambito ancora potrebbe essere quello delle strategie e logiche organizzative di progettazione della tecnostruttura interna ad un Comune: in questo caso diventerebbe possibile, grazie alla simulazione dinamica, codecidere la struttura burocratica, partendo dal programma di mandato della nuova Giunta per dimensionare le strutture operative e le risorse necessarie, ancorandole agli obiettivi e non al budget storico dell’Ente. Molto spesso problemi di rilevante impatto socio-economico, collegati all’immigrazione, alla scolarizzazione, all’urbanistica o al tipo di attività economiche di un territorio, sono fondamentalmente legati alla struttura demografica e alla sua evoluzione o ad altri elementi strutturali del sistema considerato. Questi sistemi hanno una forma e sono fondati su loro regole oggettive. Il non esserne consapevoli genera un formidabile fattore di rischio. Quello di alimentare i problemi trattati da decisori e cittadini con soluzioni sbagliate. Il modo per evitare che questo Simulazione e simulatori a supporto della programmazione comunale pag. 24 continui ad avvenire con la sconsolante frequenza attuale c’è ed è tempo che venga diffusamente praticato. Spero con questo articolo di aver suscitato nuovo interesse in questa direzione. Riferimenti bibliografici R.J.Barro, X.Sala-i-Martin, (1995) Economic Growth, McGraw Hill. W.Pearson, (1995) Public policy. An introduction to the theory and practice of policy analysis, Edward Elgar Publishing, Cheltenham, UK. G.Capano, M.Giuliani, a cura di (1996) Dizionario di politiche pubbliche, La nuova Italia Scientifica, Roma. L.Bobbio, (1997) I processi decisionali nei comuni italiani, in Stato e mercato, n°49, Il Mulino Editore. F. Sforzi, C. Wymer, A.A. Gillard (1997), I sistemi locali del lavoro nel 1991, in ISTAT, I sistemi locali del lavoro 1991, Roma A.A.V.V. (2000) Surveis in economic dynamics, Wiley & Sons. A.A.V.V. (2002) Human Population Dynamics, Cambridge University Press – Biosocial Society Symposium Series. L.Wilkinson (2004) How to build Scenarios, Global Business Network, San Francisco. M.Aaltonen, I.Sanders (2006) Identifying systems’ new initial conditions as influence points for the future, in Foresight, vol. 8, A. Martini, L. Mo Costabella, M. Sisti, (2006) Valutare gli effetti delle politiche pubbliche. Metodi e applicazioni al caso italiano, Formez, Roma B. Baldi, (2009) Il federalismo competitivo. L’Italia in prospettiva comparata. In Teoria Politica, fascicolo 2, Franco Angeli Editore. C. Bianchi, (2009) Modelli di System Dynamics per il miglioramento della performance aziendale, Franco Angeli Editore. M.Meneguzzo, G.Fiorani (2009), System thinking, system dynamics e politiche pubbliche, tesi di dottorato in Economia, Facoltà di Economia, Università degli studi di Roma Tor Vergata. Simulazione e simulatori a supporto della programmazione comunale pag. 25