La data analytics è il processo di esaminare e interpretare grandi quantità di dati per estrarre informazioni utili e supportare decisioni strategiche. Questo processo include la raccolta di dati da diverse fonti, la loro pulizia per eliminare errori o incongruenze e la loro trasformazione in un formato più utile.
Successivamente, vengono applicate tecniche analitiche, come modelli statistici e algoritmi di machine learning, per identificare pattern, tendenze e correlazioni. Infine, i risultati vengono visualizzati e interpretati per prendere decisioni informate o prevedere futuri sviluppi.
Essa è fondamentale perché consente alle organizzazioni di trasformare grandi volumi di dati grezzi in informazioni preziose, migliorando così la qualità delle decisioni strategiche. In un mondo sempre più guidato dai dati, la Data Analytics permette di identificare tendenze, comprendere comportamenti dei clienti, ottimizzare processi aziendali e anticipare cambiamenti nel mercato.
Questo approccio analitico riduce l’incertezza, supporta l’innovazione e permette di rispondere rapidamente alle sfide competitive. Inoltre, migliora l’efficienza operativa e può portare a significativi risparmi di tempo e risorse. In sostanza, la Data Analytics è essenziale per mantenere e accrescere la competitività in un mercato globale dinamico.
Caso d’uso: il dissesto finanziario
Lo stato di dissesto ha un forte impatto sulle finanze dell’ente locale. Tra le principali conseguenze,
e fino all’approvazione dell’ipotesi di bilancio riequilibrato, possono essere citati limiti e restrizioni come:
- Limiti all’accensione di nuovi mutui: non possono essere stipulati nuovi mutui con alcune eccezioni specifiche. Ad esempio, sono consentiti mutui i cui costi siano coperti dallo Stato o dalle regioni, oppure mutui destinati a finanziare progetti che ricevono cofinanziamenti dall’Unione Europea o da altre istituzioni pubbliche o private. Queste restrizioni mirano a evitare un eccessivo indebitamento (art. 249);
- Limiti agli impegni finanziari: le amministrazioni non possono impegnare fondi oltre quanto previsto nell’ultimo bilancio approvato per l’anno corrente. I pagamenti mensili per le spese correnti sono soggetti a restrizioni, salvo alcune eccezioni (art. 250);
- Incremento delle aliquote fiscali: gli enti devono aumentare le aliquote e le tariffe delle imposte e tasse locali, fatta eccezione per la tassa sui rifiuti urbani. Questa delibera rimane in vigore per 5 anni e non può essere annullata (art. 251).
È già chiaro quindi, che le conseguenze di un ente in dissesto vanno ben oltre i problemi finanziari del comune, provocando effetti molto gravi e negativi per tutti gli stakeholder coinvolti, in particolare i cittadini e le imprese, oltre che per il personale stesso.
Le conseguenze del dissesto per gli amministratori possono essere riassunti in:
- Responsabilità politica: gli amministratori che hanno causato danni nei 5 anni precedenti al dissesto sono esclusi da incarichi pubblici per 10 anni, inclusi ruoli come assessore, revisore dei conti e rappresentante dell’ente locale;
- Eleggibilità: sindaci e presidenti di provincia responsabili non possono candidarsi a cariche pubbliche per 10 anni, inclusi sindaco, presidente di provincia o presidente di giunta regionale;
- Sanzioni pecuniarie: gli amministratori e i membri del collegio dei revisori possono ricevere sanzioni pecuniarie importanti per gravi responsabilità.
Le conseguenze del dissesto per il personale dell’ente possono essere riassunti in:
- Ridimensionamento dell’organico: l’ente è obbligato a ridurre il personale, collocando in “disponibilità” i dipendenti in eccesso rispetto alla media del rapporto dipendenti/popolazione. Il Ministero dell’Interno fornisce a questi dipendenti un contributo per 5 anni.
Cessazione di interessi e rivalutazione: i debiti insoluti al momento della liquidazione e le somme dovute per anticipazioni di cassa non generano più interessi né sono soggetti a rivalutazione monetaria, stabilizzando il debito.
La soluzione di Data Analytics implementata
Revelis realizza soluzioni di (Big) Data Analytics e nel prosieguo dell’articolo ne verrà descritta una: il sistema realizzato per Fincalabra S.p.A. e la Regione Calabria allo scopo di monitorare la sostenibilità finanziaria degli enti locali, in particolar modo i comuni, mediante degli indicatori calcolati a partire dai dati di bilancio consuntivi resi pubblici dalle stesse amministrazioni.
Il cruscotto fornisce anche delle previsioni degli indicatori per il triennio successivo all’anno per il quale sono disponibili gli ultimi dati. In particolar modo verranno mostrati:
- Il reperimento, l’acquisizione e la persistenza dei dati di bilancio
- Il calcolo degli indicatori
- La previsione degli indicatori
- L’applicazione Web per la visualizzazione degli indicatori e delle previsioni
I Dati
I dati acquisiti riguardano i bilanci consuntivi dei comuni comunicati dagli stessi alla Ragioneria Generale dello Stato e pubblicati sul portale OpenBDAP. Esso mette a disposizione i dati della Finanza Pubblica presenti nella Banca Dati Amministrazioni Pubbliche (BDAP).
In particolare sono disponibili i dati su:
- Conti Pubblici
- Bilancio dello Stato
- Finanza degli Enti Territoriali
- Bilancio dell’Unione Europea
- Investimenti Pubblici
- Finanza degli Enti del Servizio Sanitario Nazionale
- Pubblico Impiego
Dati sulla Finanza degli Enti Territoriali sono disponibili in formato CSV come:
- Previsione
- Rendiconto
- Consolidato
Il calcolo degli indicatori utilizza i dati di Rendiconto per la Regione Calabria (estendibile a tutti i comuni del territorio nazionale). Essi comprendono sia i dati non elaborati che alcuni indicatori pre-calcolati. I file CSV recuperati dal portale vengono acquisiti tramite una procedura apposita e memorizzati in un Database.
Calcolo degli Indicatori
Il sistema calcola 12 indicatori di base ed uno di sintesi suddivisi in tre aree:
- Sostenibilità Finanziaria;
- Sostenibilità Organizzativa;
- Sostenibilità Gestionale.
Gli indicatori finanziari sono:
| Incidenza Anticipazioni non Restituite | Anticipazione non restituita – Spese correnti |
| Autonomia Finanziaria | Entrate tributarie (Titolo I) +Entrate extratributarie (Titolo III) – Totale entrate correnti (Titolo I + Titolo II + Titolo III) |
| Indicatore dell’effettiva capacità di riscossione | Riscossioni c/comp + Riscossioni c/residui – Accertamenti + Residui definitivi iniziali |
| Indicatore dell’effettiva capacità di riscossione (solo Titolo 1) | Riscossioni c/comp + Riscossioni c/residui – Accertamenti + Residui definitivi iniziali |
| Andamento fondi accantonati | Quote accantonate nell’anno – Media delle Quote accantonate negli anni precedenti |
| Incidenza dei Fondi perequativi sul TOTALE del Titolo 01 delle entrate | Fondi perequativi FSC – Totale Entrate titolo 1 |
| Sostenibilità disavanzo effettivamente a carico dell’esercizio | Disavanzo iscritto in spesa del conto del bilancio – Accertamenti + Residui definitivi iniziali |
| Fondo cassa | Fondo di cassa al 31 dicembre – Stanziamenti di competenza dei primi tre titoli delle Entrate |
Gli indicatori di Sostenibilità Organizzativa sono:
| Incidenza della spesa di personale sulle entrate correnti | Impegni (Macroaggregato 1.1 “Redditi di lavoro dipendente”) + pdc 1.02.01.01.000 “IRAP” + FPV personale in uscita 1.1 – FPV personale in entrata concernente il Macroaggregato 1.1 – Stanziamenti di competenza dei primi tre titoli delle Entrate |
| Incidenza spese rigide | Spese rigide (disavanzo, personale e debito) – Entrate correnti |
Gli indicatori di Sostenibilità Gestionale sono:
Incidenza di Debiti Fuori Bilancio riconosciuti e finanziati | Debiti fuori bilancio riconosciuti e finanziati – Totale impegni titolo I e titolo II |
Incidenza di Debiti Fuori Bilancio in Finanziamento | Debiti fuori bilancio in corso di riconoscimento + Debiti fuori bilancio riconosciuti e in corso di finanziamento – Totale impegni titolo I e titolo II |
Previsione degli Indicatori
Per la previsione degli indicatori vengono utilizzati degli algoritmi di Regressione Lineare sulle serie temporali dei valori per ogni comune inserito nel sistema. Essa è una funzione statistica che descrive la relazione tra una variabile dipendente y (effetto) ed un’altra indipendente x (causa). Questa funzione permette di interpolare ed estrapolare dati (y) in funzione dei dati osservati x:
- y= α+ 1x
Dove:
- 1 è il coefficiente angolare della retta di regressione della popolazione e misura l’associazione tra y e x
- è l’intercetta della retta di regressione della popolazione
Per il calcolo è stato predisposto un workflow sul sistema Rialto™ .
Esso acquisisce i dati dal database descritto in precedenza, genera i modelli necessari per ogni comune e per ogni indicatore, li applica utilizzando i dati storici come input e memorizza le previsioni nelle tabelle del database dedicate.
Dashboard
Selezionato il comune d’interesse, per ogni indicatore (KPI) viene mostrata una sezione con una tabella contenente per ogni anno i dati utilizzati per calcolarlo, il suo valore, la media dei valori degli anni mostrati nello storico e la previsione del suo valore per i tre anni successivi. Un grafico di tipo gauge, che evidenzia anche le soglie delle categorie di rischio, mostra il valore dell’indicatore per l’ultimo anno per cui sono disponibili i dati storici. Infine, al di sotto della tabella è presente un diagramma a linea che mostra graficamente l’andamento del valore dell’indicatore comprese le previsioni.
L’utente può generare un report in formato PDF o Excel contenente i dati del comune mostrato. Tale report contiene delle sezioni di commento ai dati numerici visualizzati in modo da fornire una prima spiegazione connessa al grado di rischio rilevato dagli indicatori. Essa tiene conto di combinazioni dei valori di più indicatori tra loro connessi in modo da poter fornire uno sguardo d’insieme della situazione economico/finanziaria del comune.
I valori degli indicatori sono espressi in termini percentuali ed inquadrati in quattro fasce di rischio. Nonostante ciò, potrebbe essere difficoltoso inquadrare le performance del comune senza avere altri riferimenti. Per ovviare a questo problema sono calcolati e mostrati dei valori medi di riferimento in ambito regionale.
Conclusioni
Lo strumento di analisi avanzata dei dati che utilizzi tecniche di Data Analytics e Intelligenza Artificiale realizzato consente alle Pubbliche Amministrazioni ed ai Comuni:
- di monitorare una serie di indicatori gestionali, organizzativi, finanziari
- di verificare nel tempo, sulla base delle variazioni degli indicatori, l’efficacia delle azioni correttive poste in essere dall’amministrazione
A Fincalabra:
- di ottimizzare le azioni di supporto finanziario alle Pubbliche Amministrazioni, sulla base dei punti di forza e di debolezza delle stesse, individuati tramite gli indicatori
Autore: Luigi Granata
