Università degli studi di Padova - L’immagine e il ruolo dello...

L’immagine e il ruolo dello statistico nel mondo del lavoro

Giovanna Boccuzzo1

Università degli Studi di Padova Riassunto. In questo articolo si analizza il ruolo dello statistico, così come è visto dai datori di lavoro. A tale scopo si utilizza un approccio comparativo, ossia si confronta l’immagine dello statistico con quella di altre figure professionali potenzialmente concorrenti. I datori di lavoro sono identificati mediante i tutor degli stage effettuati da laureandi, e l’indagine si basa sui giudizi sullo stagiaire e su opinioni sulle abilità e competenze dello statistico confrontate con quelle di altri laureati. Mediante l’analisi delle preferenze si giunge a sistemi di pesi attribuibili alle diverse facoltà per una serie di attività, alcune usualmente svolte in ogni lavoro “da laureato” e altre tipiche dello statistico. I risultati mostrano che lo statistico è visto come un ottimo tecnico, ma destinato quasi esclusivamente all’analisi dei dati, mentre è carente nella capacità di inserirsi appieno nel’ambiente lavorativo e di comunicare in modo efficace i risultati delle analisi statistiche. Nell’articolo si discute sulla possibile formazione dello statistico e si forniscono dei suggerimenti per migliorare l’immagine presso i giovani, le loro famiglie e i datori di lavoro. Parole chiave: Statistico; Datori di lavoro; Stagiaire; Competenze; Analisi delle preferenze. 1 La statistica e il ruolo dello statistico La statistica è una disciplina antica, secondo alcuni si perderebbe nella notte dei tempi, confondendosi con l’arte del contare (De Cristofaro, 2002). Seppure non intesa come disciplina vera e propria, la statistica come mentalità è propria del quotidiano ragionamento umano: nella Nuova Cronica (1346), Giovanni Villani 1 Il presente lavoro è stato finanziato nell’ambito del progetto PRIN 2007 “Modelli, indicatori e metodi statistici per rappresentare l’efficacia formativa di corsi di laurea ai fini dell’accreditamento e del miglioramento”, cofinanziato dal MIUR e dall'Università di Padova (CUP: C91J11002460001), e del progetto di Ateneo 2008 “Indicatori di efficacia della formazione terziaria e riflessioni metodologiche dalla ricerca sui laureati dell’Università di Padova” (CUP: CPDA081538), ambedue coordinati da Luigi Fabbris. L’Autrice ringrazia le dott.sse Gilda Rota, Erica Bezzon e Anna Boaretto dell’Ufficio Stage e Mondo del lavoro dell’Università di Padova per il supporto alla realizzazione dell’indagine, il prof. Luigi Fabbris e la Prof.ssa Maria Cristiana Martini con i quali è stato steso il questionario, il dott. Alessio Roncallo per la gestione dell’indagine e la realizzazione del database.

52 L’immagine e il ruolo dello statistico nel mondo del lavoro

narra del sacrestano del Battistero di Firenze, che, inserendo in un contenitore una fava di colore diverso secondo il sesso del neonato, sfatò la credenza comune secondo la quale nascono molte più femmine che maschi.

Nel 1903 lo scrittore H.G.Wells, promuovendo un’educazione universale alla statistica, auspicava che l’abilità di enumerare e ragionare in termini di minimo e massimo divenisse comune quanto leggere e scrivere.

La statistica in quanto disciplina è più vecchia di molte altre discipline: l’American Statistical Association fu fondata nel 1839, solo l’American Philosophical Society è più vecchia fra le associazioni professionali statunitensi (Wallis, 1966).

Ciononostante, quello che Wilks (1951), parafrasando Wells, denominò “statistical thinking” sembra debba ancora venire, e la statistica è ancora ampiamente sottoutilizzata. Perché? I motivi sono molteplici (Raeside et al., 2001): 1. Ai più non è ancora chiaro cosa sia la statistica. Al suo livello più elementare, è

identificata con la rappresentazione di tabelle e grafici, e il calcolo di medie. Oppure è intesa come una collezione di tecniche. La statistica è molto di più: essa è un’applicazione del metodo scientifico finalizzato alla risoluzione di problemi (Rugtagi et al., 1982).

2. La gran parte delle metodologie statistiche è sconosciuta. Non esiste solo la statistica descrittiva, ma anche la statistica multivariata e il data mining, oltre a svariati approcci specifici e tecniche di analisi applicabili a diversi contesti.

3. Si ritiene la statistica una materia molto difficile in quanto infarcita di matematica e probabilità, materie ostiche ai più.

4. Gli statistici tendono a concentrarsi sulle tecniche e non sui problemi, col rischio di commettere i cosiddetti “errori del terzo tipo”, ovvero l’errore che si commette dando la risposta corretta al problema sbagliato (Kimball, 1957).

5. L’insegnamento della statistica è tuttora molto concentrato su teoremi e aspetti teorici, a scapito della comprensione dei concetti, del disegno della ricerca e degli approcci risolutivi (Hoerl et al., 1993; Kenett e Thyregod, 2006).

6. Molti manager non conoscono la statistica e non la utilizzano, sebbene l’incremento della produzione e del raggio di affari renda indispensabile la disponibilità di statistiche esatte (Dale et al., 1993). Pur trovandoci nella società dell’informazione, dove la disponibilità e gestione

di dati è cruciale per la comprensione dei fenomeni e per la programmazione, la statistica non è ancora sufficientemente conosciuta e utilizzata. Cos’è che non funziona? “This is the golden age of statistics, even though it may not be for statisticians” (Hahn, 2002).

Forse la risposta l’ha fornita Hahn: il problema non sta nella statistica, ma nello statistico. Il ruolo dello statistico è effettivamente complesso: si colloca nei più svariati campi, nel pubblico e nel privato, nelle industrie e nei servizi, nel sociale e

Il profilo professionale dello statistico: ruoli, competenze e prospettive 53

nella sanità, nelle aziende e nelle banche. Il suo contributo dovrebbe inserirsi fin dall’inizio nelle molteplici fasi di gestione di un processo, sia esso un’indagine di mercato, o un controllo di qualità, o una sperimentazione di un farmaco, o altro ancora. Egli deve (Chatfield, 2002; Kenett e Thyregod , 2006): 1. Esplicitare il problema. Insieme al “committente” (dirigente, responsabile della

ricerca, cliente,…) lo statistico deve inquadrare il problema, capire le reali esigenze, tradurre le richieste in un piano di ricerca, elementare o complesso che sia.

2. Effettuare la raccolta dei dati. Il piano di raccolta dati può implicare la progettazione di un’indagine statistica in tutte le sue fasi, dalla realizzazione dello strumento di rilevazione (ad esempio il questionario) fino alla costruzione della base di dati finali.

3. Analizzare i dati, mediante il ricorso agli opportuni metodi statistici, e con l’ausilio di adeguati software per l’analisi statistica dei dati.

4. Predisporre e presentare dei risultati in funzione delle esigenze del committente. I risultati statistici vanno “tradotti” per essere utili a chi ha posto il problema, per cui va predisposto un rapporto chiaro, ineccepibile nella sostanza, e nella forma meglio fruibile (presentazione di slides, rapporto scritto, sito web, …). Ognuna di queste fasi richiede molteplici competenze, sia trasversali sia tecnico-

specialistiche2, ma anche doti caratteriali. Se prendiamo come riferimento il lavoro del consulente statistico, nell’Encyclopedia of Statistical Science (Kotz et al. 2005), troviamo un lungo elenco delle competenze richieste, fra le quali:

− capacità di problem solving − saper ascoltare attentamente e porre le giuste domande per inquadrare il

problema − saper impostare uno studio statistico a partire dai problemi posti − conoscere bene il metodo statistico − mantenersi aggiornato sugli avanzamenti della metodologia statistica e delle

opportunità offerte dai software statistici − saper comunicare al committente i risultati in modo efficace − saper trasmettere il “pensiero statistico” − saper progettare ed effettuare (o coordinare) la raccolta dei dati − saper predisporre report efficaci e saper presentare i risultati oralmente in

modo chiaro e accessibile a un’audience di non statistici.

2 Le competenze trasversali sono quelle competenze ad ampio spettro necessarie in tutti gli ambiti lavorativi, quali stesura di rapporti, problem solving, capacità di lavorare in team, presentare in pubblico. Le competenze tecnico-specialistiche sono quelle specifiche di una professione; nel caso dello statistico, ad esempio, l’analisi dati. Sono infine considerate competenze di base la conoscenza della lingua inglese e dei pacchetti di office automation.


5

È evidente che, a fronte di indispensabili competenze tecnico-specialistiche, le competenze trasversali giocano un ruolo fondamentale nel compito dello statistico.

Il ruolo dello statistico è dunque complesso e richiede lo sviluppo di molteplici competenze. Le aziende dispongono ormai di grandi moli di dati e hanno problemi di qualità dei dati, di analisi dei rischi, di pianificazione e previsione, di analisi di mercato. Ciononostante, spesso non utilizzano statistici, e fanno invece ricorso a figure professionali, come ingegneri o economisti, che abbiano competenze basilari di statistica (Chatflield, 2002; Marquardt, 1987). Le motivazioni possono essere diverse: il numero di laureati in statistica non è sufficiente a coprire la domanda, i datori di lavoro non conoscono bene le potenzialità dello statistico e le sue competenze, o, infine, i datori di lavoro effettivamente preferiscono altri laureati anche per lo svolgimento di attività di natura statistica.

L’obiettivo di questo lavoro è capire l’immagine che i datori di lavoro hanno dello statistico, quali sono le attività per le quali si fa ricorso allo statistico, quali competenze gli sono riconosciute, quali carenze attribuite. A tale scopo si confronta l’immagine dello statistico con quella di alcuni “competitors”, in modo da quantificare la preferenza per lo statistico rispetto ad altri laureati.

Poiché obiettivo del lavoro è studiare l’immagine che i datori di lavoro hanno dei giovani statistici, la responsabilità dell’università nella formazione delle competenze maturate, ma anche nella carenza di competenze necessarie, è primario, per cui con questo lavoro si intende fornire anche degli spunti per indirizzare la formazione universitaria.

Il lavoro è così articolato: nel Par. 2 si descrive l’indagine svolta sui datori di lavoro, nel Par. 3 viene presentata l’analisi delle preferenze fra i diversi laureati, nel Par. 4 si analizzano le carenze dei laureati comparandole con l’importanza delle competenze, e, infine, nel Par. 5 si traggono alcune considerazioni conclusive. 2. L’indagine presso i datori di lavoro Impostare una ricerca presso i datori di lavoro è complesso, in primo luogo perché non esiste una “lista” di datori di lavoro, per cui è necessario definire una popolazione statistica. Un generico campionamento casuale dalle aziende del Veneto risulterebbe inutilmente faticoso e dispendioso, perché i laureati in statistica sono in numero ridotto rispetto agli altri, per cui il rischio di selezionare aziende prive di statistici è molto alto. Il punto di partenza della ricerca è stato pertanto l’elenco di aziende ed enti che hanno attivato, nei due anni antecedenti l’indagine, almeno uno stage con l’Ateneo di


Padova, riferito sia a laureandi sia a laureati. In questo modo è stato possibile conoscere con precisione le richieste avanzate dalle aziende e stilare l’elenco dei laureandi e laureati in statistica che hanno avuto un’esperienza di stage. È evidente che non è possibile sapere, a priori, che le aziende che hanno richiesto statistici dispongano effettivamente di statistici nel loro organico, ma ai nostri fini era importante avere l’opinione di chi comunque prende in considerazione lo statistico, e confrontarla con quella di chi richiede altri laureati. La scelta di analizzare gli statistici contestualmente a possibili competitors ha reso necessario impostare una ricerca del tipo caso-controllo, dove i casi sono gli stagiaire statistici, che sono posti a confronto con i controlli, dati da stagiaire in discipline affini. A tal fine sono stati identificati tre tipi di aziende: 1. Aziende che negli ultimi due anni3 hanno avuto solo stage in statistica 2. Aziende che negli ultimi due anni hanno avuto solo stage in discipline “affini”

(economia, informatica, sociologia) 3. Aziende che negli ultimi due anni hanno avuto stage in statistica e in discipline

“affini”. Questo è un caso interessante, poiché il rispondente è in grado di fare comparazioni fra gli stagiaire statistici e gli altri.

L’unità di rilevazione è il tutor aziendale, identificato come “datore di lavoro”, al quale sono richieste informazioni sull’ultimo stagiaire statistico avuto negli ultimi due anni o, nel caso non abbia avuto alcuno statistico ma solo stagiaire di discipline affini, il riferimento è all’ultimo stagiaire in una di queste discipline.

La tecnica di rilevazione è di tipo CAWI (Computer Assisted Web-based Interviewing); il questionario è stato predisposto col software freeware LimeSurvey, che consente il controllo degli accessi e, di conseguenza, la possibilità di effettuare solleciti. Sono state effettuati due ondate di solleciti.

L’indagine è stata svolta con la fattiva collaborazione dell’Ufficio Stage e Mondo del Lavoro dell’Università di Padova, che dispone dell’elenco degli stage attivati e dei relativi tutor aziendali. L’Ufficio Stage ha provveduto a inviare una e-mail a tutti i tutor coinvolti. Nella e-mail d’invito era indicato un indirizzo web al quale il tutor poteva collegarsi per compilare il questionario. Il questionario poteva essere interrotto e ripreso successivamente.

L’indagine è partita nel mese di maggio 2010 ed è proseguita fino alla fine dell’estate dello stesso anno.

3 Il riferimento ai due anni antecedenti l’indagine è giustificato dalla necessità di avere giudizi e opinioni da parte dei datori di lavoro. Abbiamo ipotizzato che periodi temporali più lunghi avrebbero portato a problemi di memoria e giudizi poco accurati.


5

2.1 Le aree di analisi dell’indagine

Il questionario si compone di quattro parti: la prima relativa alla struttura dell’azienda/ente, la seconda all’esperienza di stage, la terza alle opinioni e la quarta al rispondente (Fig. 1). Figura 1. Schema del questionario adottato nell’indagine presso i datori di lavoro

SettoreAddettiAttivitàPresenza laureatiPrevisioni assunzione

A. Notizie sull’azienda/ente

Obiettivi dello stageAttività svolteTipi di lauree adatte allo stageDifficoltà incontrateOfferte di assunzioneGiudizio sullo stageCarenze dello stagiaire

B. L’esperienza di stage

Quali lauree per quali attivitàCompetenze importanti nei neo-laureatiUso della statistica nell’azienda/enteCarenze stagiaire statistici

C. Opinioni

GenereEtàRuolo nell’azienda/enteAnni di esperienzaTitolo di studio

D. Informazioni sul tutor rispondente


La prima sezione contiene informazioni relative all’azienda/ente, alle attività svolte, ai laureati presenti e alle intenzioni di assumere. La seconda sezione di valutazione dello stage, di maggiore interesse per l’apposito ufficio di ateneo, consente di verificare quali attività sono state assegnate agli stagiaire e differenziarle per tipo di laurea. La sezione più interessante ai nostri fini è quella relativa alle opinioni, incentrata su quali tipologie di laureati sono ritenuti adatti per una serie di specifiche attività. Nella stessa sezione si richiede quali sono, nel mondo del lavoro, le competenze più importanti e le carenze maggiormente riscontrate negli stagiaire statistici, e quale uso viene fatto della statistica. Poiché i tutor considerati fanno riferimento a stagiaire appartenenti a discipline diverse, le informazioni richieste consentono di fare dei confronti fra tipologie di laureati e capire le preferenze dei datori di lavoro nei confronti di diversi tipi di laurea. Conclude il questionario una breve sezione di informazioni anagrafiche e curriculari del tutor rispondente. Sono stati interpellati 548 tutor; di questi hanno aderito all’indagine in 288, il 52,6%. Trattandosi di un’indagine web, il tasso di risposta è ragguardevole4, sebbene notevolmente diverso a seconda della tipologia di stage ospitati: nel caso di aziende che hanno ospitato solo statistici, la partecipazione è del 100%, segno dell’interesse suscitato dal tema e dalla disponibilità a collaborare. L’adesione completa da parte di questo gruppo è probabilmente dovuta anche a una conoscenza più diretta di chi ha condotto l’indagine: la lettera d’invito e i solleciti portavano infatti la firma di docenti della facoltà di Scienze Statistiche, conosciuti da coloro che si avvalgono solo di stage di statistici. Ha invece preso parte all’indagine un terzo (13 su 39) dei tutor di aziende che hanno ospitato sia statistici sia altri stagiaire; in questo caso l’indagine coinvolge 5 stage di statistici, 6 laureati/ndi di economia e 2 di informatica. Infine, ha partecipato all’indagine il 51,9% (252 su 486) delle aziende che non hanno mai ospitato statistici. Tra questi ultimi, il gruppo più consistente è composto da laureati/ndi in economia (61,5%), seguono informatici (29%) e laureati/ndi in scienze politiche (9,5%) (Tab. 1).

4 Si veda ad esempio Cook et al. (2000), che sulla base di una meta-analisi stima un tasso di risposta medio per indagini web del 34,7%.


5

Tabella 1. Relazione fra tipologia di stage ospitati dall’azienda negli ultimi due anni e facoltà/corso di studio dello stagiaire

Facoltà o corso di studio dello stagiaire

Tipologia di stage ospitati

Solo statistici

Solo disc. Affini

Entrambi Totale

Economia 0 155 (61,5%) 6 (46,2%) 161

Informatica* 0 73 (29,0%) 2 (15,4%) 75

Sociologia 0 24 (9,5%) 0 24

Scienze Statistiche 23 (100%) 0 5 (38,5%) 28

Totale 23 252 13 288 * Comprende le facoltà di Ingegneria e Scienze MM.FF.NN. È evidente che c’è uno squilibrio nei numeri, dovuto a una distribuzione della popolazione di partenza estremamente diseguale: gli stage dei laureati/ndi in economia sono in numero nettamente superiore agli altri, soprattutto nel gruppo di aziende che hanno avuto stage solo in discipline affini (155 vs. 73 e 24). Affinché il gruppo più numeroso non sovrasti gli altri, si ritiene fondamentale mantenere le analisi separate rispetto ai tre gruppi di tipologia di stage ospitati. Inoltre, stante l’obiettivo di confrontare il giudizio sugli statistici con quello su altri laureati/ndi, è nostro interesse valutare le opinioni separatamente all’interno dei tre gruppi e confrontarle. Nella Tab. 2 sono illustrate le principali caratteristiche di aziende, tutor e stagiaire. Si tratta in gran parte di aziende appartenenti al settore privato; sono rappresentate tutte le dimensioni e i settori di attività. Gli stagiaire statistici, seppur pochi (28, Tab. 1), sono presenti in realtà diverse: nel pubblico (provincia, regione) oltre che nel privato, nelle banche, nelle società di consulenza e marketing, nell’industria e nelle società di informatica. Per quanto riguarda i tutor, si nota una prevalenza di maschi (71,6%) e di laureati (58,3%, oltre a un 8,3% in possesso di titolo superiore alla laurea). Sono rappresentati i diversi ruoli nell’azienda, dal presidente fino all’impiegato. La distribuzione dei tutor laureati in statistica è molto diversa nei tre gruppi (aziende con solo stage in statistica, con solo stage in discipline affini, con stage sia in statistica sia in discipline affini): nelle aziende che hanno avuto solo stage in statistica, ben il 46,7% dei tutor laureati è di formazione statistica. Tale percentuale è invece irrisoria nelle aziende che non ha avuto alcuno stage di statistici (solo 3 tutor laureati in statistica, pari al 2%) ed è del 12% nelle aziende che hanno avuto stage sia di statistici che di laureandi/ti in discipline affini.


Tabella 2. Caratteristiche delle aziende, dei tutor e degli stagiaire a cui si riferisce l’indagine (n=288) Caratteristica Modalità n % Settore azienda Pubblico 39 13,6

Privato 247 86,4 Addetti azienda da 1 a 9 78 32,1

da 10 a 19 28 11,5 da 20 a 49 38 15,6 da 50 a 249 43 17,7 250 e più 56 23,1

Settore azienda Commercio e pubblici esercizi 23 8,0 Credito e assicurazioni 32 11,1 Industria 55 19,1 Informatica 54 18,7 P.A. (compreso sanità e scuola) 31 10,8 Servizi 70 24,3 Altro 23 8,0

Tipo stagiaire Laureando 257 89,2 Laureato 31 10,8

Genere stagiaire Maschio 165 57,3 Femmina 123 42,7

Ordinamento Triennale 210 72,9 Specialistica, magistrale o v.o. 78 27,1

Facoltà Scienze statistiche 28 9,7 Economia 161 55,9

Corso di laurea Sociologia 24 8,3 Ing. Informatica o Informatica 75 26,0

Genere tutor Maschio 204 71,6 Femmina 81 28,4

Istruzione tutor Licenza media inferiore 2 0,7 Diploma superiore 73 25,3 Diploma univ. o laurea triennale 20 6,9 Laurea 168 58,3 Dottorato o spec. post-laurea 24 8,3

Ruolo tutor Amministratore/presidente 84 29,5 Dirigente 37 13,0 Funzionario/quadro 96 33,7 Impiegato 68 23,8

I totali per caratteristica risultano talvolta inferiori a 288 a causa della presenza di dati mancanti


6

Da questo primo, semplice, dato si possono avanzare due ipotesi: la prima è che la laurea in statistica sia ancora sconosciuta ai più, dato che ad essa fanno riferimento in massima parte i tutor laureati in statistica. Non è richiesto un laureato in statistica semplicemente perché non si è a conoscenza di tale titolo di studio. A tale proposito, Boccuzzo e Martini (2012) mostrano, mediante l’analisi del differenziale semantico, come il termine “sconosciuta” sia caratterizzante la statistica. Gli stessi focus group preparatori all’indagine sull’immagine della statistica presso gli studenti hanno evidenziato come la conoscenza della laurea in statistica avvenga spesso per vie informali, grazie a parenti o amici che si sono laureati in questa disciplina, mentre poco o nulla si deve a indicazioni dalle scuole superiori. La seconda ipotesi, che non esclude la precedente, è che i datori di lavoro non laureati in statistica preferiscano altre figure, differenti dagli statistici, per le attività che sono richieste. A questo tema è dedicato il successivo par. 3. 3. Quali laureati per quali attività

Nella Tab. 3 sono illustrate le attività svolte dagli stagiaire secondo la facoltà di provenienza: oltre la metà delle attività svolte è di elaborazione e analisi dati (51,6%). Seguono la costruzione e gestione di database (16%), la ricerca e analisi di documentazione (9,1%) e, a seguire, altre attività.

Si nota come gli statistici svolgano poche attività, in primis l’elaborazione e analisi di dati (il 75%) e poi, in misura nettamente inferiore, il controllo di gestione e il monitoraggio/pianificazione della produzione. Anche gli informatici sono concentrati su poche attività, specialmente costruzione e gestione di database (50,7%) e elaborazione e analisi di dati (36,2%). Maggiore eterogeneità si osserva invece per i laureandi/ti di economia e sociologia, per i quali in ogni caso l’attività principale è quella di elaborazione ed analisi dei dati. Evidentemente tale attività è molto richiesta, per cui, di fronte all’ipotesi che altre figure siano preferite agli statistici, non si può neppure escludere l’ipotesi che il ridotto numero di statistici porti a dover scegliere altri laureandi/ti anche per attività per le quali lo statistico dovrebbe essere più adatto. Quest’ultima ipotesi può essere vagliata analizzando le opinioni dei datori di lavoro in merito alle figure migliori in relazione a specifiche attività.


Tabella 3. Attività svolte dagli stagiaire secondo il tipo di facoltà di provenienza

Attività Facoltà/Corso di laurea

Statistica (n=28)

Economia (n=161)

Informatica* (n=75)

Sociologia (n=24)

Totale

Elaborazione/analisi dati 75,0 55,4 36,2 42,9 51,6

Costruzione/gestione DB 0,0 5,1 50,7 4,8 16,0

Analisi documentazione 3,6 12,1 4,3 9,5 9,1

Stesura rapporti 0,0 7,0 5,8 19,0 6,9

Controllo gestione/finanza 10,7 8,9 0,0 4,8 6,5

Pratiche/servizio/ammin. 0,0 4,5 0,0 9,5 3,3

Monitoraggio/pianificazione produzione

7,1 5,1 2,9 9,5 5,1

Customer satisfaction/ Sondaggi

3,6 1,9 0,0 0,0 1,5

Totale 100 100 100 100 100

* Riguarda laureati in informatica (Facoltà di Scienze MM.FF.NN) e Ingegneria Informatica.

A tale scopo è stato chiesto ai datori di lavoro quali sono, a loro parere, i laureati

più adatti a svolgere le seguenti attività: 1. Analisi della customer satisfaction, ricerche di mercato, analisi di

soddisfazione degli utenti, sondaggi 2. Analisi di costi, controllo di gestione, analisi di bilanci 3. Analisi di mercati finanziari, di investimenti, di rischi 4. Attività amministrative e di supporto alla direzione 5. Attività legali e contabilità 6. Collaborazione alla stesura di rapporti e progetti, anche a fini di

finanziamento 7. Elaborazione e analisi dati 8. Erogazione di servizi finanziari e assicurativi 9. Gestione del sistema informativo dell’azienda/ente 10. Monitoraggio della produzione, delle vendite o dei servizi erogati 11. Pianificazione e previsione di attività di produzione e logistiche, di servizi 12. Ricerca e analisi di documentazione e dati, anche via internet I tipi di laurea elencati erano sette: economia, statistica, scienze politiche-

giurisprudenza, materie tecnico-scientifiche, materie umanistiche, altre, nessuna. Era inoltre possibile fornire due scelte, in ordine di importanza.


6

3.1 Metodologia adottata per l’analisi delle preferenze A partire dalle scelte effettuate dai datori di lavoro, si intende giungere a un sistema di pesi di importanza per i sette diversi tipi di laurea posti a confronto. Ad ogni attività è associato un insieme di sette pesi, uno per tipo di laurea. Si giunge quindi a 12 insiemi di pesi, tante quante sono le attività vagliate. Ogni sistema di pesi somma a 1 per tipo di laurea.

Si sono costruite 12 matrici di preferenze, tante quante le attività, in cui l’elemento (i,j) è pari alla probabilità che la laurea i sia preferita alla laurea j:

pij= (# preferenze (pesate) della laurea i rispetto alla laurea j /somma pesi di i e j} i, j =1, …, 7.

Ad esempio, se l’intervistato k sceglie come prima una laurea in materie tecnico-scientifiche e come seconda la laurea in economia, viene assegnato valore 1 alla prima, valore 0,5 alla seconda e 0 alle altre. Il confronto fra i 7 tipi di laurea considerati per il soggetto k porta alla seguente matrice di vittorie assolute:

=

0000000

0000000

0000000

1110115,0

0000000

0000000

5,05,05,005,05,00

kV

laurea serveNon

lauree Altre

uman. Materie

scient. tecnicoMaterie

Giurispr.Pol. Scienze

Statistica

Economia

−−

La matrice di vittorie complessive è data dalla somma di tutte le matrici di

vittorie individuali. Infine, la matrice di preferenze contiene, nella posizione (i,j), il numero di vittorie vij diviso per la somma dei pesi (vij + vji): pij= vij/(vij + vji). Si noti che pji=1-pij. Il metodo usato per definire i pesi a partire dalla matrice di preferenze è il cosiddetto metodo dell’autovettore (Keener, 1993). I pesi sono dati dalle componenti dell’autovettore associato al primo autovalore della matrice di preferenze. Infatti il teorema di Perron-Frobenius garantisce che:

Se una matrice P è a componenti non negative, allora esiste un autovettore w a componenti non negative associato a un autovalore positivo λ. Inoltre, se la matrice


P è irriducibile5, l’autovettore w associato all’autovalore più grande di P è a componenti solo positive ed è unico. wi (i=1, …, L) è una stima del punteggio del servizio i, e, una volta normalizzata nell’intervallo 0÷1, è una stima della probabilità di preferenza.

L’approccio è multivariato, poiché mediante i confronti a coppie si tiene conto della correlazione fra item. Una semplice graduatoria, ricavata mediante un approccio univariato basato sui singoli giudizi, non tiene conto della correlazione intrinseca fra coppie di item.

In questo modo sono state ottenute 12 graduatorie, una per ogni attività. Infine è stata calcolata l’importanza complessiva di ogni tipo di laurea, riferita a tutte le attività, come media aritmetica semplice dei 12 pesi associati alla laurea. 3.2. Le preferenze espresse dai tutor L’attività prevalente durante l’attività di stage, sia per gli statistici sia per tutti gli altri stagiaire ad eccezione degli informatici, è quella di elaborazione ed analisi di dati. I tutor riconoscono quest’attività prevalentemente agli statistici6 (Fig.2), ma in misura molto diversa secondo che lavorino in aziende che hanno avuto solo statistici o anche altri stagiaire7. Sorprende la differenza nei valori dei pesi assegnati all’attività di analisi dati agli statistici dai differenti tutor: mentre per chi lavora in aziende che hanno avuto solo stagiaire statistici il peso è pari a 0,61, per chi sta in aziende che hanno avuto sia statistici sia altri stagiaire il peso è addirittura dimezzato (0,30). Non solo, ma in quest’ultimo gruppo il peso dei laureati in economia e in materie tecnico-scientifiche è di poco inferiore a quello attribuito agli statistici: 0,2 contro 0,3. In sostanza, chi ha avuto esperienza con diversi tipi di stagiaire riconosce che lo statistico è la figura più adatta per l’analisi dei dati, ma ritiene che comunque tale attività possa essere svolta senza troppa differenza anche da altri laureati. Si potrebbe ipotizzare che le analisi di dati richieste ai non statistici siano meno complesse e che le aziende che hanno avuto solo stagiaire statistici svolgano invece intensa attività statistica rispetto alle altre.

5 Una matrice è irriducibile se nessuna permutazione porta a una struttura a blocchi del tipo:

6 È bene ricordare che la domanda si riferisce a quali laureati sono ritenuti più adatti e ha quindi una valenza generale, e non limitata agli stagiaire. 7 I pesi attribuiti a tutte le attività sono rappresentati in Appendice.


6

Figura 2. Pesi attribuiti ai diversi tipi di laureati per l’attività di elaborazione ed analisi dati, a seconda del tipo di datore di lavoro

In realtà è difficile avvalorare tale ipotesi, poiché le aziende che hanno avuto

solo stagiaire statistici in linea di massima non hanno la statistica come attività prevalente. Piuttosto, i tutor sono spesso essi stessi statistici e questo sembra essere il motivo prevalente che li porta a preferire stagiaire provenienti dalla loro stessa facoltà.

Si considera ora l’attività di analisi di costi/controllo di gestione/analisi di bilanci, le cui competenze vengono maturate mediante lauree in discipline economiche oppure statistiche, come evidenziato nel Repertorio delle professioni dell’Università di Padova (Fabbris, 20018), e si analizzano le preferenze dei tutor (Fig. 3). Tutti i tutor ritengono in questo caso che la laurea in economia sia più adatta di quella in statistica, e il divario è addirittura superiore fra coloro che hanno avuto solo stagiaire statistici.

8 http://147.162.245.33/stage/remedia/sito/sportello/repertorio/prof1.asp?codprof=57

0

0.12

0.61

0.275

0 0 00.03

0.23

0.40

0.269

0 0.01

0.06

0

0.20

0.30

0.21

0.09 0.090.11

0.0

0.1

0.2

0.3

0.4

0.5

0.6

0.7

Scienze Politiche, Giurisprudenza

Economia Statistica Materie tecn. scientifiche

Materie umanistiche

Altra Non serve laurea

Elaborazione ed analisi dati

Solo statistici

Solo affini

Entrambi


Figura 3. Pesi attribuiti ai diversi tipi di laureati per l’attività di analisi di costi, controllo di gestione e analisi di bilanci, a seconda del tipo di datore di lavoro

Come terzo esempio, si analizza un’attività prettamente trasversale, quale la

stesura di rapporti (Fig. 4). Si consideri che le competenze trasversali costituiscono una parte fondamentale del bagaglio richiesto ai laureati9.

Si nota come i pesi siano distribuiti in maniera più uniforme fra le lauree, e dei pesi non risibili siano assegnati anche all’assenza di laurea. I pesi maggiori sono assegnati ai laureati in economia. È significativo che vi sia sostanziale concordanza fra le preferenze espresse dai tutor dei tre tipi di aziende; se, infatti, fra coloro che non hanno mai avuto stagiaire statistici c’è da attendersi la preferenza per i laureati in economia, appare evidente che anche nelle altre categorie di tutor la preferenza va comunque a questa laurea, seguita da quella in giurisprudenza o scienze politiche. La laurea in statistica si colloca in una posizione intermedia, ancora una volta con valori notevolmente differenti fra chi ha scelto sempre stagiaire statistici (peso=0,16) e chi mai (peso=0,09).

9 Leoni e Mazzoni (2006), ad esempio, mostrano con un’indagine presso le imprese che le competenze traversali richieste ai neolaureati pesano in misura addirittura maggiore rispetto alle competenze tecnico-specialistiche (55,5% vs. 44,5%).

0

0.59

0.25

0.15

0 0 0

0.07

0.47

0.22

0.18

0.01 0.020.04

0

0.53

0.30

0 0 0

0.17

0.0

0.1

0.2

0.3

0.4

0.5

0.6

0.7

Scienze Politiche,

Giurisprudenza


Materie umanistiche


Analisi di costi, controllo di gestione, analisi di bilanci

Solo statistici

Solo affini

Entrambi


6

Figura 4. Pesi attribuiti ai diversi tipi di laureati per l’attività di stesura di rapporti, a seconda del tipo di datore di lavoro

Infine, in Fig. 5 sono rappresentati i pesi medi degli statistici rispetto agli altri laureati. Stante la tipologia delle attività considerate in questo studio, è da attendersi che preferenze maggiori siano assegnate a laureati in economia, statistica e materie tecnico-scientifiche. Nelle aziende che hanno avuto solo stagiaire statistici, il giudizio espresso dai tutor è concordante sui laureati in statistica ed economia (0,27 e 0,26), mentre il giudizio sui laureati in materie tecnico-scientifiche tende ad essere più basso (0,20). Per gli altri due gruppi di aziende (quelle che hanno avuto sia statistici sia stagiaire in discipline affini e quelle che hanno avuto solo stagiaire di discipline affini) la differenza di giudizio sui laureati in statistica e su quelli in economia è considerevole e a svantaggio degli statistici, soprattutto nell’opinione dei tutor in aziende che hanno avuto entrambi i tipi di stagiaire. Questi tutor sono più severi con gli statistici rispetto a chi ha lavorato solo con stagiaire non statistici (0,21 vs. 0,36). Il fatto che chi ha conosciuto stagiaire con competenze differenti dagli statistici fornisca giudizi peggiori su questi ultimi rappresenta chiaramente un importante stimolo a capirne le motivazioni, ovvero ad analizzare le competenze carenti degli statistici rispetto agli altri laureati. A questo tema è dedicato il Par. 4.

0.20

0.25

0.16

0.18

0.04

0.05

0.12

0.17

0.31

0.09

0.21

0.10

0.04

0.08

0.19

0.31

0.18

0.05

0.08

0.05

0.14

0.0

0.1

0.1

0.2

0.2

0.3

0.3

0.4



Materie umanistiche


Stesura rapporti

Solo statistici

Solo affini

Entrambi


Figura 5. Media dei pesi attribuiti ai diversi tipi di laureati, a seconda del tipo di datore di lavoro

4. Competenze carenti Ai tutor selezionati è stato chiesto di esprimersi sulle competenze carenti riscontrate negli stagiaire, mediante una domanda a risposta aperta, che consente la massima libertà di espressione. Successivamente, le risposte sono state analizzate e si è operato con una codifica a posteriori. Le codifiche operate sono illustrate in Tab. 4, distintamente per il tipo di laurea dello stagiaire.

Si nota come sussistano notevoli differenze nelle tipologie di carenze riscontrate negli stagiaire provenienti dalle diverse facoltà. Gli statistici mostrano di avere una scarsa conoscenza dell’ambiente di lavoro, segnalata da oltre un terzo dei rispondenti, e al contrario non sono mai carenti nelle competenze tecniche, a differenza delle opinioni espresse nei confronti delle altre tipologie di laureati presi in considerazione.

Per capire cosa si intenda per “scarsa conoscenza dell’ambiente di lavoro”, si elencano nel seguito alcune delle risposte fornite a tale proposito sugli statistici: “Scarsa attitudine al mondo del lavoro”

0.08

0.260.27

0.20

0.03

0.06

0.100.10

0.31

0.210.20

0.060.04

0.080.09

0.36

0.21

0.09

0.05 0.05

0.14

0.00

0.05

0.10

0.15

0.20

0.25

0.30

0.35

0.40



Materie umanistiche


Media dei pesi di tutte le attività

Solo statistici

Solo affini

Entrambi


6

“Poca conoscenza delle problematiche lavorative” “Hanno competenze non adeguate all’ambiente di lavoro” “Poca conoscenza delle dinamiche aziendali” “Scarsa conoscenza della realtà aziendale” “Poco contatto con la realtà lavorativa” “Non hanno consapevolezza dell’ambiente di lavoro” Se affianchiamo questa carenza con la competenza invece mai critica, ovvero quella tecnica, il quadro inizia a delinearsi: lo statistico è visto come una figura altamente specializzata, ma che non sa far fruttare le sue competenze tecniche nell’ambiente lavorativo, in quanto mancano le conoscenze dell’ambiente di lavoro necessarie a valorizzare il ruolo dello statistico nel contesto in cui si trova. La carenza “applicare la teoria” sposa quanto sopra, sebbene su questo lo statistico sia in compagnia anche di altri stagiaire, specialmente provenienti da economia.

Tabella 4. Giudizi forniti dai tutor relativamente alle carenze riscontrate nel proprio stagiaire

CARENZA

Corso di laurea dello stagiaire

Economia (n=157)

Ingegneria inf. (n=34)

Informatica (n=41)

Sociologia (n=23)

Statistica (n=27)

TOT

Applicare la teoria 37,0 10,7 15,4 9,5 30,4 26,5

Autonomia/iniziativa 21,3 14,3 12,8 33,3 12,9 19,2 Conoscenza dell’ambiente di lavoro

9,3 14,3 20,4 14,3 34,8 15,0

Competenze tecniche 8,3 28,6 10,3 14,3 0,0 11,0

Competenze di base(1) 11,1 0,0 2,6 9,5 4,3 7,2 Relazionarsi con colleghi e clienti

0,0 10,7 15,4 9,5 0,0 5,0

Organizzazione 2,8 7,1 7,7 0,0 8,7 4,6

Rigore e impegno 1,9 10,7 12,8 0,0 0,0 4,6 Modestia, disponibilità ad imparare

7,4 0,0 2,6 4,8 0,0 4,6

Stesura rapporti 0,9 3,6 0,0 4,8 8,7 2,3

Totale 100 100 100 100 100 100 Le numerosità indicate si riferiscono al numero di tutor che hanno risposto. Ogni tutor ha risposto con riferimento allo stagiaire per il quale è stato intervistato. Potevano essere indicate fino a tre carenze. Le percentuali sono riferite al totale delle risposte fornite. (1) Includono solo lingua inglese e pacchetti di office automation.


Va segnalata inoltre la carenza “Stesura rapporti” che, seppur in bassa percentuale, è proporzionalmente presente in misura maggiore fra gli statistici.

È evidente, per gli statistici, il contrasto fra le competenze trasversali, di cui sono carenti, e le competenze tecniche, che invece sembrano non mancare, così come la difficoltà a mettere in pratica gli insegnamenti acquisiti.

Questo dato è in accordo con i risultati dell’indagine Agorà10, grazie alla quale si evince che gli stessi laureati in statistica dichiarano più di tutto (26% dei casi) di avere difficoltà nell’applicare quanto appreso e usano proprio il termine “pratica” per descrivere la competenza mancante (Boccuzzo, 2010). Sono, invece, meno consapevoli delle proprie carenze nelle competenze trasversali: solo il 6% delle carenze citate è dato da “comunicazione”.

Se le competenze di cui gli statistici fanno difetto fossero poco importanti, poco male, ma purtroppo non è così. Si tratta invece di aspetti cruciali per il lavoro. Nell’indagine si è chiesto ai datori di lavoro di ordinare, in una scala da 1 (più importante) a 8 (meno importante) delle macro-competenze necessarie nel mondo del lavoro. I risultati sono illustrati nella Tab. 5. Prima di tutto vengono i valori personali e per il lavoro (“etica sociale e per il lavoro”) e il bagaglio culturale complessivo, derivante dalla famiglia di origine e dall’accumulo di esperienze di vario tipo, ivi compresi gli studi (“cultura generale”). Segue la competenza “personalità orientata al lavoro”, che unisce doti di personalità e competenze trasversali, e che sembra vicino alla sopracitata carenza “conoscenza dell’ambiente di lavoro”, caratterizzante lo statistico (Tab. 4).

Seguono le competenze di base, che in questo caso comprendono gli strumenti di base per il lavoro d’ufficio, ovvero la conoscenza dell’inglese e dei software di office automation, e alcune competenze trasversali indispensabili a praticamente ogni lavoro da laureato, quali la stesura di relazioni e la preparazione di presentazioni. Tali competenze, che fanno maggiormente difetto allo statistico, vengono prima delle competenze tecnico-specialistiche.

Gli stessi laureati reputano più importanti le competenze trasversali11: il 68,8% le reputa abbastanza o molto importanti, contro il 34,1% che reputa altrettanto importanti le competenze tecnico-specialistiche (Boccuzzo, 2010).

10 L’indagine Agorà analizza gli sbocchi professionali dei laureati dell’Università di Padova negli anni 2007 e 2008 a 6, 12 e 36 mesi dalla laurea. Per approfondimenti, si veda Fabbris (2010). 11 Questo risultato si riferisce ancora all’indagine Agorà. Le competenze trasversali considerate erano: abilità interpersonali, problem solving, lavoro di gruppo, coordinare, pianificare il lavoro, reperire informazioni e dati, scrivere relazioni, scrivere progetti, presentare.


Tabella 5. Rango medio (graduatoria da 1 a 8, dove 1 è il rango massimo) assegnato alle competenze dai datori di lavoro. Etica sociale e per il lavoro 3,77 Cultura generale 3,90 Personalità orientata al lavoro 4,41 Competenze di base 4,55 Competenze tecnico-specialistiche 4,73 Competenze socio-relazionali e di comunicazione 4,80 Competenze organizzative e di intraprendenza 4,83 Capacità di apprendere e trasmettere conoscenza 5,05 5. Conclusioni

All’inizio di questa nota sono stati citati diversi lavori che affrontano il problema del ruolo dello statistico nella società e nelle varie realtà produttive, alcuni anche piuttosto datati. Ciò significa che il problema qui trattato è ben noto alla comunità statistica, e non solo in Italia. Anzi, la sensazione è che sia più affrontato fuori dal nostro Paese.

Rispetto a quanto pubblicato, il tema è stato qui affrontato in un’ottica comparativa e quantitativa, i cui risultati aprono diversi piani di discussione.

In primo luogo è evidente una dicotomia: da una parte lo statistico con un notevole bagaglio di competenze di natura tecnico specialistica, dall’altro il mondo del lavoro, che ancora poco uso fa di queste competenze e in aggiunta ne vorrebbe altre. Sono immagini diverse, rispettivamente quella che gli statistici hanno di loro stessi e di come vengono visti nel mondo del lavoro. Come dice Marquardt (1987), gli statistici sono visti come analisti di dati, attività peraltro cruciale nei più svariati settori lavorativi. Prosegue Marquardt affermando che spesso però gli statistici vedono la loro disciplina come una branca della matematica, ricca di teoria e meno di pratica.

Al tempo stesso è stato evidenziato come nel mondo del lavoro siano ancora sottoutilizzate le competenze statistiche, e ciò è probabilmente anche dovuto alla scarsa presenza di statistici nei ruoli apicali.

Sembra un cane che si morde la coda: gli statistici sono pochi e non sono abili a dare di loro stessi un’immagine completa, di conseguenza il mondo del lavoro colloca lo statistico in un ruolo stereotipato e limitato, e poco attraente, cosicché pochi giovani si iscrivono ai corsi di laurea in statistica. L’argomento che la laurea


in statistica permette di trovare lavoro molto facilmente è parzialmente efficace, poiché i giovani ventenni non vedono le possibilità di lavoro come un obiettivo di breve termine, mentre una facoltà prestigiosa che tratta argomenti reputati interessanti è un criterio molto più attraente per i giovani diplomati.

È necessario far fruttare meglio le competenze tecnico-specialistiche dello statistico, ma per fare ciò la sola strada è maturare ulteriori competenze, che consentano allo statistico di comprendere le esigenze del contesto lavorativo in cui è collocato, di integrare la statistica all’interno delle altre discipline e di comunicare con un linguaggio comprensibile a chi statistico non è. Gli statistici hanno seri problemi di comunicazione (Hoadley e Kettenring, 1990; Kenett e Thyregod, 2006), mentre la comunicazione, sia scritta sia orale, ha un ruolo fondamentale nel lavoro dello statistico. Il committente infatti, sia esso un cliente o il datore di lavoro, è poco interessato ai metodi utilizzati e più ai risultati ottenuti, per cui è indispensabile saper esporre i risultati in maniera rigorosa, ma al tempo stesso chiara e comprensibile ai non statistici. Talvolta lo statistico, se non espone tutti i dettagli tecnici, sente di venir meno alla sua missione, mentre in realtà è importante essere consapevoli dell’interesse dell’interlocutore e del tipo di informazione che va fornita.

Lo statistico deve saper ascoltare con attenzione le esigenze espresse dal proprio interlocutore, tradurle in problema statistico, affrontare il problema con l’ausilio dei giusti metodi, esporre i risultati in maniera chiara.

Il dubbio è che all’università prevalga la strada, peraltro più semplice, di fornire una collezione di metodi, ma non l’approccio generale a inquadrare e risolvere i problemi sfruttando la “mentalità statistica”. Come affermano Hoerl et al. (1993), l’università insegna a usare martello, sega, regolo e livella, ma non a costruire una casa. Il problema di fondo è insegnare ad applicare il metodo statistico ai problemi reali, oltre a insegnare i vari metodi.

L’esigenza non è educare i non statistici alla statistica, ma, cosa più importante, è necessario educare la comunità statistica prima di tutto allo sviluppo della comunicazione. Affinché gli statistici professionali abbiano un futuro è indispensabile che i laureati in statistica si aprano al mondo del lavoro affrontando i problemi reali e giocando il loro ruolo dall’inizio alla fine del progetto, integrandosi totalmente con le altre professionalità.


Riferimenti bibliografici BOCCUZZO G. (2010). Le professioni dello statistico. Capacità professionali del laureato in

discipline statistiche ricostruite in base a ciò che fa. In: L. FABBRIS (a cura di), Dal Bo' all'Agorà. Il capitale umano investito nel lavoro. Cleup, Padova: 157-176.

BOCCUZZO G., MARTINI M.C. (2011). Lo statistico, questo sconosciuto. Come gli studenti dell’Università di Padova vedono la statistica e gli statistici. In: G.BOCCUZZO, M.C. MARTINI (a cura di), Il profilo professionale dello statistico: ruoli, competenze e prospettive. Cleup, Padova: 19-49.

CHATFIELD C. (2002). Confessions of a pragmatic statistician, The Statistician, 51:1-20. COOK C., HEATH F., THOMPSON R.L. (2000). A meta-analysis of response rates in web-

or internet-based surveys”, Educational and Psychological Measurement, 60: 821-836. DALE B.G., BOADEN R.J., WILCOX M. (1993). Difficulties in the use of quality

management tools and techniques, Quality and its Applications, University of Newcastle upon Tyne.

DE CRISTOFARO R. (2002). Storia del pensiero statistico con alcune osservazioni sull’insegnamento della statistica, Statistica, 2: 215-229.

FABBRIS L. (a cura di) (2001). Il Repertorio delle professioni dell'Università di Padova. Franco Angeli, Milano.

FABBRIS L. (2010). Il Progetto Agorà dell’Università di Padova. In: L. FABBRIS (a cura di) Dal Bo’ all’Agorà. Il capitale umano investito nel lavoro. Cleup, Padova: V-XLV.

HAHN G.J. (2002). Deming and the proactive statistician, The American Statistician, 56: 290-298.

HOADLEY B.A., KETTENRING J.R. (1990). Communications between statisticians and engineers/physical scientists (with discussion), Technometrics, 32: 243-274.

HOERL R.W., HOOPER J.H., JACOBS P.J., LUCAS J.M. (1993). Skills for industrial statisticians to survive and prosper in the emerging quality environment, The American Statistician, 47: 280-292

KEENER J.P. (1993). The Perron-Frobenius Theorem and the ranking of football teams, SIAM Review, 35: 80-93.

KENETT R., THYREGOD P. (2006). Aspects of statistical consulting not taught by academia, Statistica Neerlandica, 60: 396-411.

KIMBALL A.W. (1957). Errors of the third kind in statistical consulting, Journal of the American Statistical Association, 57:133-142.

KOTZ S., CAMPBELL B., READ N., BALAKRISHNAN B. V. (2005). Encyclopedia of Statistical Sciences, 2nd edn. John Wiley and Sons, New York.

LEONI R., MAZZONI N. (2006) Competenze richieste dal mercato e competenze possedute dai neolaureati. Risultati di un’indagine presso le imprese. In: R. LEONI (a cura di),


Competenze acquisite, competenze richieste e competenze espresse. Analisi e valutazioni economiche. FrancoAngeli, Milano.

MARION K.E. (2009). Teaching statistical consulting: Enabling skills transfer and adding value, Third Annual ASEARC Conference, December 7-8, 2009, Newcastle, Australia.

MARQUARDT D.W. (1987). The Importance of Statisticians, Journal of the American Statistical Association, 82: 1-7.

PHILLIPS J.L. (2002). How to think about statistics, 6th ed. Henry Holt and Co., New York. RAESIDE R., WALKER J. (2001). Knowledge: the key to organisational survival, The TQM

Magazine, 13: 156-160. RITTER M.A., STARBUCK R.R., and HOGG R.V. (2001). Advice from prospective

employers on training BS statisticians”, The American Statistician, 55: 14-18. RUGTAGI J., WOLFE, D. (1982). Teaching of Statistics and Statistical Consulting.

Academic Press, London. WALLIS W.A. (1966). Economic statistics and economic policy, Journal of the American

Statistical Association, 61: 1-10. WELLS H.G. (1903). Mankind in the Making. C. Scribner, New York. WILKS S.S. (1951). Undergraduate statistical education, Journal of the American Statistical

Association, 46: 1-18.

The Image and Role of the Statistician in the World of Work Summary. This work analyses the role of statisticians from the viewpoint of their employers. A comparative approach is used, i.e., the image of the statistician is compared with that of other potentially competitive professional figures. Employers are identified through the tutors of trainees coming from the faculty of statistics and other faculties. The study is based on the comparison of the competences of such trainees. Analysis of preferences is used to create systems of weights attributed to various faculties for several types of work, some ordinarily carried out in the workplace and others typical of statisticians' expertise. Results show that statisticians are seen as excellent technicians, but they are almost exclusively restricted to data analysis. They have difficulty to fit in the workplace and do not generally communicate statistical results effectively. The paper discusses statisticians' training and gives suggestions for improving their image with young people, their families and employers. Keywords: Statisticians; Employers; Trainees; Competences; Preference Analysis.

App

endi

ce. P

esi

attr

ibu

iti a

div

ers

e a

ttivi

tà p

rofe

ssio

nal

i, d

istin

ti se

con

do i

l tip

o d

i a

zie

nd

a n

ella

qua

le o

per

a i

l tu

tor

inte

rvis

tato

Ana

lisi d

ella

cus

tom

er s

atis

fact

ion, r

icer

che

di

mer

cato

, ana

lisi d

i sod

dis

fazi

one

degl

i ute

nti,

so

ndag

gi

Sc.

Pol

itich

e,

Giu

risp

rud

enza

E

cono

mia

S

tatis

tica

Mat

erie

te

cn.

scie

ntif

iche

M

ate

rie

um

anis

tiche

A

ltra

N

on s

erve

la

urea

Azi

end

e co

n s

olo

stag

iair

e st

atis

tici

0,0

00

0,1

77

0,3

13

0,1

38

0,2

18

0,0

00

0,1

54

Azi

end

e con

so

lo st

agia

ire

non

sta

tistic

i 0

,05

8 0

,27

3 0,

32

1 0

,11

9 0

,13

1 0

,02

1 0

,076

A

zie

nde

con

ent

ram

bi

i tip

i di sta

gia

re

0,0

86

0,2

56

0,2

96

0,1

68

0,0

97

0,0

00

0,0

97

Ana

lisi d

i co

sti,

con

trollo

di

gest

ion

e, a

nal

isi d

i bi

lanc

i S

c. P

oliti

che,

G

iuri

spru

den

za

Eco

nom

ia

Sta

tistic

a M

ate

rie t

ecn

. sc

ien

tific

he

Ma

teri

e u

man

istic

he

Altr

a N

on s

erve

la

urea

A

zie

nde

con

so

lo stag

iair

e st

atis

tici

0,0

00

0,5

93

0,2

54

0,1

53

0

,00

0 0

,00

0 0

,000

A

zie

nde

con

so

lo stag

iair

e no

n st

atis

tici

0,0

68

0,4

72

0,2

23

0,1

76

0

,00

5 0

,01

6

0,0

40

Azi

end

e co

n e

ntra

mb

i i t

ipi d

i sta

gia

re

0,0

00

0,5

30

0,2

97

0,0

00

0

,00

0 0

,00

0 0

,173

A

nalis

i di m

erc

ati f

inan

ziar

i, d

i inv

est

ime

nti,

di

risch

i S

c. P

oliti

che,

G

iuri

spru

den

za

Eco

nom

ia

Sta

tistic

a M

ate

rie t

ecn

. sc

ien

tific

he

Ma

teri

e u

man

istic

he

Altr

a

Non

ser

ve

laur

ea

Azi

end

e co

n s

olo

stag

iair

e st

atis

tici

0,0

44

0,4

54

0,2

58

0,1

57

0,0

00

0,0

87

0,0

00

Azi

end

e co

n s

olo

stag

iair

e no

n st

atis

tici

0,1

04

0,4

71

0,2

47

0,1

53

0

,00

0 0

,01

1

0,0

13

Azi

end

e co

n e

ntra

mb

i i t

ipi d

i sta

gia

re

0,0

00

0,5

40

0,2

83

0,0

00

0

,00

0 0

,00

0 0

,177

A

ttiv

ità a

mm

inis

trat

ive

e di

su

ppo

rto

alla

di

rezi

one

Sc.

Pol

itich

e,

Giu

risp

rud

enza

E

cono

mia

S

tatis

tica

Mat

erie

te

cn.

scie

ntif

iche

M

ate

rie

um

anis

tiche

A

ltra

Non

ser

ve

laur

ea

Azi

end

e co

n s

olo

stag

iair

e st

atis

tici

0,1

74

0,2

56

0,1

69

0,1

05

0,0

86

0,0

66

0,1

44

Azi

end

e con

so

lo st

agia

ire

non

sta

tistic

i 0

,16

3 0

,34

3 0,

10

7 0

,10

7 0

,10

3 0

,03

9 0

,137

A

zie

nde

con

ent

ram

bi

i tip

i di sta

gia

re

0,1

59

0,5

41

0,1

24

0,0

00

0,0

00

0,0

00

0,1

76

Att

ività

lega

li e

con

tabi

lità

Sc.

Pol

itich

e,

Giu

risp

rud

enza

E

cono

mia

S

tatis

tica

Mat

erie

te

cn.

scie

ntif

iche

M

ate

rie

um

anis

tiche

A

ltra

N

on s

erve

la

urea

A

zie

nde

con

so

lo stag

iair

e st

atis

tici

0,4

30

0,3

17

0,1

03

0,0

00

0

,00

0 0

,07

6 0

,076

A

zie

nde

con

so

lo stag

iair

e no

n st

atis

tici

0,2

65

0,3

76

0,0

71

0,0

46

0

,08

1 0

,06

3

0,0

97

Azi

end

e co

n e

ntra

mb

i i t

ipi d

i sta

gia

re

0,2

18

0,4

92

0,0

48

0,0

28

0

,02

8 0

,02

8 0

,159

C

olla

bora

zion

e a

lla s

tesu

ra d

i rap

por

ti e

pro

getti

, an

che

a fi

ni d

i fin

anzi

ame

nto

Sc.

Pol

itich

e,

Giu

risp

rud

enza

E

cono

mia

S

tatis

tica

Mat

erie

te

cn.

scie

ntif

iche

M

ate

rie

um

anis

tiche

A

ltra

Non

ser

ve

laur

ea

Azi

end

e co

n s

olo

stag

iair

e st

atis

tici

0,2

02

0,2

51

0,1

58

0,1

81

0

,03

6 0

,05

4 0

,118

A

zie

nde

con

so

lo stag

iair

e no

n st

atis

tici

0,1

67

0,3

12

0,0

95

0,2

09

0

,10

4 0

,03

6

0,0

77

Azi

end

e co

n e

ntra

mb

i i t

ipi d

i sta

gia

re

0,1

89

0,3

09

0,1

75

0,0

54

0

,08

2 0

,05

4 0

,136

Ela

bor

azio

ne e

an

alis

i dat

i S

c. P

oliti

che,

G

iuri

spru

den

za

Eco

nom

ia

Sta

tistic

a M

ate

rie t

ecn

. sc

ien

tific

he

Ma

teri

e u

man

istic

he

Altr

a

Non

ser

ve

laur

ea

App

endi

ce (s

egue

). Pe

si a

ttrib

uiti

a d

ive

rse

attiv

ità p

rofe

ssio

na

li, distin

ti se

con

do

il tip

o d

i azi

en

da

ne

lla q

uale

ope

ra

il tu

tor

inte

rvis

tato

Azi

end

e co

n s

olo

stag

iair

e st

atis

tici

0,0

00

0,11

6 0

,609

0

,27

5 0

,000

0

,00

0 0

,000

A

zie

nde

con

so

lo stag

iair

e no

n st

atist

ici

0,0

26

0,22

7 0

,403

0

,26

9 0

,000

0

,01

4 0

,061

A

zie

nde

con

ent

ram

bi

i tip

i di sta

giar

e 0

,000

0,

198

0,2

97

0,2

13

0,0

90

0,0

90

0,1

11

Ero

gazi

one

di s

erv

izi f

inan

ziar

i e a

ssic

ura

tivi

Sc.

Pol

itich

e,

Giu

risp

rud

enza

E

cono

mia

S

tatis

tica

Mat

erie

tecn

. sc

ien

tific

he

Ma

teri

e u

man

istic

he

Altr

a

Non

ser

ve

laur

ea

Azi

end

e co

n s

olo

stag

iair

e st

atis

tici

0,0

76

0,41

4

0,2

45

0,0

00

0,0

60

0,0

32

0,1

72

Azi

end

e co

n s

olo

stag

iair

e no

n st

atis

tici

0,1

58

0,34

8

0,1

71

0,1

20

0,0

39

0,0

57

0

,107

A

zie

nde

con

ent

ram

bi

i tip

i di sta

giar

e 0

,086

0,

383

0

,196

0

,06

7 0

,067

0

,06

7 0

,134

Ge

stio

ne d

el s

iste

ma

info

rmat

ivo

del

l’azi

enda

/en

te S

c. P

oliti

che,

G

iuri

spru

den

za

Eco

nom

ia

Sta

tistic

a M

ate

rie te

cn.

scie

ntif

iche

M

ate

rie

um

anis

tiche

A

ltra

Non

ser

ve

laur

ea

Azi

end

e co

n s

olo

stag

iair

e st

atis

tici

0,0

00

0,00

0 0

,232

0

,58

2 0

,000

0

,12

5 0

,061

A

zie

nde

con

so

lo stag

iair

e no

n st

atis

tici

0,0

38

0,14

2 0

,215

0

,36

9 0

,038

0

,10

2 0

,097

A

zie

nde

con

ent

ram

bi

i tip

i di sta

giar

e 0

,061

0,

228

0,2

01

0,1

65

0,0

54

0,1

52

0,1

39

Mon

itora

ggio

de

lla p

rodu

zion

e, d

elle

ven

dite

o d

ei

serv

izi e

roga

ti S

c. P

oliti

che,

G

iuri

spru

den

za

Eco

nom

ia

Sta

tistic

a M

ate

rie te

cn.

scie

ntif

iche

M

ate

rie

um

anis

tiche

A

ltra

Non

ser

ve

laur

ea

Azi

end

e co

n s

olo

stag

iair

e st

atis

tici

0,0

13

0,22

6

0,3

50

0,2

19

0,0

00

0,0

82

0,1

11

Azi

end

e co

n s

olo

stag

iair

e no

n st

atis

tici

0,0

36

0,28

3

0,2

44

0,2

51

0,0

23

0,0

69

0

,094

A

zie

nde

con

ent

ram

bi

i tip

i di sta

giar

e 0

,099

0,

292

0

,256

0

,09

9 0

,074

0

,07

4 0

,106

P

iani

ficaz

ione

e p

revi

sion

e di

att

ività

di

prod

uzi

one

e lo

gist

iche

, di

serv

izi

Sc.

Pol

itich

e,

Giu

risp

rud

enza

E

cono

mia

S

tatis

tica

Mat

erie

tecn

. sc

ien

tific

he

Ma

teri

e u

man

istic

he

Altr

a N

on s

erve

la

urea

A

zie

nde

con

so

lo stag

iair

e st

atis

tici

0,0

00

0,22

3 0

,251

0

,31

1 0

,000

0

,11

7 0

,097

A

zie

nde

con

so

lo stag

iair

e no

n st

atis

tici

0,0

46

0,28

7

0,2

03

0,3

06

0,0

41

0,0

68

0,0

49

Azi

end

e co

n e

ntra

mbi i t

ipi d

i sta

giar

e 0

,117

0,

313

0,1

70

0,1

74

0,0

50

0,0

50

0,1

26

Ric

erc

a e

an

alis

i di d

ocu

me

ntaz

ion

e e

dat

i, an

che

via

inte

rne

t S

c. P

oliti

che,

G

iuri

spru

den

za

Eco

nom

ia

Sta

tistic

a M

ate

rie te

cn.

scie

ntif

iche

M

ate

rie

um

anis

tiche

A

ltra

Non

ser

ve

laur

ea

Azi

end

e co

n s

olo

stag

iair

e st

atis

tici

0,0

51

0,09

7

0,3

34

0,2

21

0,0

20

0,0

42

0,2

35

Azi

end

e co

n s

olo

stag

iair

e no

n st

atis

tici

0,0

62

0,19

4

0,2

43

0,2

38

0,1

00

0,0

27

0

,136

A

zie

nde

con

ent

ram

bi

i tip

i di sta

giar

e 0

,104

0,

295

0

,225

0

,06

5 0

,099

0

,06

5 0

,147

ME

DIA

S

c. P

oliti

che,

G

iuri

spru

den

za

Eco

nom

ia

Sta

tistic

a M

ate

rie te

cn.

scie

ntif

iche

M

ate

rie

um

anis

tiche

A

ltra

Non

ser

ve

laur

ea

Azi

end

e co

n s

olo

stag

iair

e st

atis

tici

0,0

82

0,26

0 0

,273

0

,19

5 0

,035

0

,05

7 0

,097

A

zie

nde

con

so

lo stag

iair

e no

n st

atis

tici

0,0

99

0,31

1 0

,212

0

,19

7 0

,055

0

,04

4 0

,082

A

zie

nde

con

ent

ram

bi

i tip

i di sta

giar

e 0

,093

0,

365

0

,214

0

,08

6 0

,053

0

,04

8 0

,140

Università degli studi di Padova - L’immagine e il ruolo dello...

Documents

Transcript of Università degli studi di Padova - L’immagine e il ruolo dello...