articolo simulatori - System Dynamics Italian Chapter

Transcript

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
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.
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.
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,
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.
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).
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).
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,
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.
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
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
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.
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.
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 straniere 21plus : Current
adulti maschi stranieri 21plus : Current
adulti 2036 *
persone/anno
2,200
1,675
1,150
625
100
30
35
40
45
50
55
60
65
età
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.
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
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.
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.
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.
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
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
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.
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.
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
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
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.
pag. 25

articolo simulatori - System Dynamics Italian Chapter

Transcript

Documenti analoghi

NATIONAL HIGH SCHOOL MODEL UNITED NATIONS 3

Valutare l`opportunità di un investimento in impianti di energia

Special

Simulazione di volo di velivoli non pilotati a supporto delle

Diapositiva 1 - Conferenza permanente delle classi di laurea delle

Scarica planimetria ASCO

Simulazioni per il test di ammissione ai corsi di laurea a numero

TERZA A Allegato n 2 Simulazioni terza prova

simulazione prove scritte Esami di Stato classi 3